Бесплатно Экспресс-аудит сайта:

06.08.2023

Взгляд сквозь тайну: как ученые используют свет для шифрования и обработки данных

Команда учёных под руководством профессора Чхви Воншика из Центра молекулярной спектроскопии и динамики IBS (IBS CMSD) совершила прорыв в области оптических вычислений и машинного обучения. Они разработали метод, позволяющий использовать световые феномены в рассеивающих средах, таких как матовое стекло, для передачи информации.

Традиционно считалось, что просмотреть через рассеивающую среду невозможно, так как информация, передаваемая светом, становится "запутанной", словно подвергается сложному шифрованию. Однако исследователи обнаружили, что оптический входно-выходной отклик нелинейной рассеивающей среды можно определить с помощью тензора третьего порядка, в отличие от линейной матрицы.

Для демонстрации исследователи использовали среду, состоящую из наночастиц титаната бария, которые генерируют нелинейные сигналы второй гармоники (SHG). Эти сигналы SHG приводят к перекрёстным условиям при одновременной активации нескольких входных каналов, нарушая принцип линейного суперпозиции.


Команда успешно продемонстрировала, что нелинейные рассеивающие среды могут быть использованы для оптического процесса шифрования. Также они продемонстрировали всеоптические логические элементы "И", активирующиеся только при одновременной активации двух определенных входных каналов. Этот подход может предложить преимущества по сравнению с кремниевой логикой, включая уменьшение энергопотребления и возможность параллельной обработки на скорости света.

Информация о свете, который рассеивается и модулируется нелинейно-рассеивающей средой, изменяется случайным образом, что затрудняет восстановление исходной информации, как показано на правом изображении (а). Это можно назвать оптическим шифрованием. Однако, зная характеристики отклика ввода-вывода, можно восстановить исходную информацию из случайного выходного спекла, как показано на (b). Этот процесс можно рассматривать как расшифровку зашифрованной информации. Только с линейными характеристиками отклика, которые не включают перекрестные термины, было невозможно правильно восстановить информацию, как показано на (c).

«Затраты усилий на обнаружение перекрёстных условий от слабых нелинейных сигналов были значительны», отметил доктор Мун Джунхо, ведущий автор исследования.

Это исследование ожидается откроет новые горизонты в области оптических вычислений и машинного обучения. "В развивающейся области всеоптического машинного обучения нелинейные оптические слои ключевы для улучшения производительности модели. Мы в настоящее время изучаем, как наше исследование может быть интегрировано в эту область," заявил профессор Чхви.