近日，上海理工大学方心远研究员、顾敏院士团队的最新研究成果发表于《光子学研究》（Photonics Research，SCI一区，IF：7.2）2026 年第 1 期，论文题为“轨道角动量介导的光电神经网络用于大气湍流诊断”（“Orbital angular momentum-mediated Optoelectronic Neural Network for Turbulence Diagnostics”），并被遴选为当期封面文章。该研究提出的光电混合智能新架构在保持极低能耗的同时，实现了高精度、毫秒级的实时湍流诊断能力。这项工作不仅为湍流感知提供了高性能解决方案，同时为发展下一代自适应光学系统与高可靠光通信终端，提供了一种极具启发性的新范式。智能科技学院博士生成科和博士后张磬瀚为共同第一作者，方心远研究员、李保莉博士担任共同通讯作者，顾敏院士对该工作提供了重要指导，上海理工大学为唯一完成单位。
大气湍流所引起的波前随机畸变，如同一个无形的干扰源，广泛渗透并损害着从近地到深空、从通信到感知的诸多前沿光学系统性能。因此，发展一种能够快速、精准感知湍流强度的通用技术，已成为实现这些系统智能化自适应调控、逼近其物理极限性能的关键前提。聚焦于这一核心需求，研究团队提出了一种以轨道角动量（Orbital Angular Momentum，OAM）谱维度为核心的创新光电混合智能架构。该研究的关键物理基础在于：当涡旋光束穿过大气湍流时，其波前会发生随机相位畸变，导致原本纯净的OAM模式发生扩散，在接收端观测为OAM谱的展宽。这种展宽的谱特性与湍流强度密切相关，从而将不可见的湍流信息编码于可见的光学模态分布之中。团队所构建的轨道角动量介导光电神经网络（Orbital angular momentum-mediated Optoelectronic Neural Network，OOENN），其核心创新正是利用了这一物理机制。
该架构首先通过一个精心设计的衍射光学模块，对畸变的光束进行物理域上的特征提取与压缩，将其高维信息映射为一组有限的、低维的特征OAM谱分量。随后，这组表征湍流特征的稀疏数据被直接馈入一个超轻量化的电子神经网络进行最终分类与强度诊断。在这一架构中，OAM谱的展宽是感知的源头，而其压缩后的特征则是智能决策的依据，OAM谱维度由此成为了连接物理效应与智能计算的核心信息通道。实验结果表明，该网络对跨越五个数量级的湍流强度实现了82.4%的综合诊断准确率，且单次诊断的响应时间仅为80毫秒，充分证明了该架构在湍流监测场景中兼具高精度与毫秒级快速响应的实用特性。
图1 用于大气湍流诊断的轨道角动量介导光电神经网络（OOENN）示意图。
“本研究的创新在于以OAM谱为核心信息载体，通过衍射光学模块对大气湍流在涡旋光束上留下的独特‘螺旋指纹’进行特征提取与降维，再将其与一个浅层电子神经网络相结合，从而实现了光电协同的混合智能湍流诊断架构。”方心远研究员指出：“这一途径融合了物理结构光场与前沿光电智能计算，为发展下一代自适应光学系统奠定了关键技术基础，有望推动高性能湍流监测技术在高速自由空间通信、远距离遥感与量子信息网络等领域的实用化进程。”
文章链接：https://researching.cn/articles/OJ5cb9c4963bb930f8
Photonics Research2026年第1期封面图
