arXiv cs.AI· Benquan Wang, Trishita Das, Yuhan Peng, Tatjana Kleine, Shanshan Chang, Jinhui Chen, Nilo Mata-Cervera, Chunyu Li, Kelin Xia, Andrew Forbes, Yijie Shen·· 14 小时前AI 评分24
TOPO²：用拓扑学习从高度畸变光场中恢复拓扑信息
Recovering topological information of light by topological learning
AI 导读
研究团队提出 AI 框架 TOPO²，利用拓扑学习从高度畸变的光场中恢复拓扑信息，仅用普通相机单次拍摄即可提取嵌入 Skyrmion 拓扑的光场拓扑数。基于 TOPO² 的通信方案能收发以拓扑字母表编码的信息，并确认其优于传统方法。该工作将拓扑光子学与拓扑 AI 结合，为鲁棒的高容量信息编码与处理提供了新范式。
正文 · AI 翻译
作者：Benquan Wang、Trishita Das、Yuhan Peng、Tatjana Kleine、Shanshan Chang、Jinhui Chen、Nilo Mata-Cervera、Chunyu Li、Kelin Xia、Andrew Forbes、Yijie Shen
摘要：现代通信网络朝着更高容量和更强鲁棒性的演进，正推动人们对拓扑光波作为下一代信息载体的兴趣。然而，要发挥其潜力，仍受制于缺乏有效的拓扑读取器，尤其是当强无序使传统读出方式难以奏效时。为此，我们引入了 TOPO$^{2}$，一个利用拓扑学习从光中恢复拓扑信息的人工智能框架。我们在嵌入 Skyrmion 拓扑的高度畸变光场上进行了演示，表明仅用一台普通相机即可单次提取拓扑数。我们展示了其在基于 TOPO$^{2}$ 的通信方案中的能力，该方案发送并恢复以拓扑字母表编码的信息，证实其优于传统方法。我们将拓扑光子学与拓扑 AI 相结合，作为实现鲁棒高容量信息编码与处理的有力范式，为拓扑信息光学开辟了一条新路径。
| 评论： | 5 幅图 |
| 主题： | 光学（physics.optics）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.06542 [physics.optics] |
| （或 arXiv:2609.06542v2 [physics.optics] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.06542 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Benquan Wang [查看电子邮件]
[v1]
2026年9月6日星期日 11:30:11 UTC（4,598 KB）
[v2]
2026年10月26日星期一 15:57:01 UTC（4,834 KB）
来源：arXiv cs.AI · arxiv.org