Chips fotónicos guiados por IA moldean luz de banda ancha para óptica inteligente

Autoptimización de fuentes de luz complejas

Investigadores del INRS (Canadá) han usado un chip fotónico integrado y un algoritmo de IA para configurar propiedades de fuentes de luz de banda ancha, permitiendo el desarrollo de sistemas ópticos inteligentes mediante autoptimización.

Contexto: la complejidad en fotónica

Muchos sistemas fotónicos dependen de multitud de parámetros con dinámicas caóticas: fuentes ópticas avanzadas para metrología, ciencia láser, imagen biomédica. Controlar la luz eficazmente requiere superar los límites de metodologías fotónicas.

En años recientes, se busca generar Supercontinuum: espectro de banda ancha creado por un pulso óptico bajo efectos combinados de dispersión,散射 y no linealidades. Los pulsos láser ultracortos e intensos (Nobel Física 2018) y técnicas de confinamiento espacial dieron arquitecturas ópticas muy potentes.

Qué usaron para generar Supercontinuum

Demostraron diversos patrones de pulsos ultracortos manipulables controladamente. Aprovecharon la estabilidad, compacidad y resolución subnanométrica de un sistema fotónico integrado para crear pulsos ópticos de femtosegundo.

Escalaron el espacio de parámetros exponencialmente: más de 10³⁶ combinaciones posibles (más que planetas en el universo). Usaron aprendizaje automático (algoritmo genético) para analizar la manipulación de la luz.

Medieron salida espectral y aplicaron algoritmo genético para alterar configuraciones del divisor de pulsos integrado, optimizando la dinámica de propagación no lineal en fibra hacia criterios específicos de Supercontinuum (ej. aumentar intensidad espectral en ciertas longitudes de onda).

Aplicaciones

Lograron 7 veces más densidad espectral de Supercontinuum que excitación de pulso único con misma potencia. Permite control temporal completo de la generación de Supercontinuum.

Impactará en: amplificación de pulsos, láseres autoajustables, peines de frecuencia óptica, y enfoques fundamentales de IA como redes neuronales fotónicas.

Referencia: Nature Communications | doi:10.1038/s41467-018-07141-w | INRS