[超表面论文快讯-633]清华深圳国际研究生院苏萍联合上海理工顾敏团队在PhotoniX发表深度学习光存储解码研究

「“论文快讯”栏目旨在精简地分享 一周内发表在高水平期刊上的Metasurface领域研究成果，帮助读者及时了解领域前沿动态，如果对专栏的写法或内容有什么建议欢迎留言，后续会陆续开启其他专栏，敬请期待。」

标题：

A deep-learning enhanced computational optical decoding strategy (DECODS) for optical data storage

作者：

Mingyuan Liu（清华大学深圳国际研究生院）；

Luyao Dong（清华大学深圳国际研究生院）；

Qingjun Zhuang（清华大学深圳国际研究生院）；

Chun Zhang（清华大学深圳国际研究生院）；

Zhanquan Tian（清华大学深圳国际研究生院）；

Yangyang Liu（燕山大学理学院）；

Ruoyu Zhong（杜克大学机械工程与材料科学系）；

Xianwen Yang（清华大学深圳国际研究生院）；

Mali Gong（清华大学深圳国际研究生院）；

Qiming Zhang（上海理工大学光子芯片研究院）；

通讯作者： Jianshe Ma（清华大学深圳国际研究生院）；

通讯作者： Ping Su（清华大学深圳国际研究生院）；

通讯作者： Min Gu（上海理工大学光子芯片研究院）；

图1 深度学习增强计算解码策略（DECODS）的示意图。

当聚焦激光的衍射受限光斑扫描光盘时，原始信号被采集。随后，信号通过均衡器进行平衡，以消除符号间干扰。采用七个判决窗口，从同一初始位置开始，分别捕获长度从2 T到8 T不等的信号，用于解码平衡后的信号。每个窗口的信号分别由深度学习模块识别，从记录符号中解码存储信息。七个窗口判决结果比较后得到的正确解码结果被存入读出存储器。随后，根据正确解码信号的长度调整七个窗口的初始位置，以连续解码后续信号部分，从而实现连续循环解码过程。（此处最小符号长度为2 T，其中2 T等于149 nm。）a 光学数据存储系统的基本原理：数据被转换为数字信息并存储在光盘上，随后由DECODS解码，最终恢复为原始存储信息。b 光学数据存储读出示意图，光盘上的记录符号表示数据。凹坑（图像右下角黑色区域）表示代码“1”，平台（图像右下角黄色和白色区域）表示代码“0”。代码长度决定记录符号的长度。c 当记录激光扫过记录符号时，其振幅和相位受到记录符号纳米结构的调制。光电探测集成电路将激光光场变化转换为原始读出信号。d 平衡后的读出信号。e ResNet101网络输入部分的数据转换，将一维向量转换为图像格式。f InceptionTime网络输入部分的数据转换，将一维向量转换为带零填充的输入。

图2 使用高精度光学建模构建训练数据集。

a 光学数据存储系统的理论计算模型。b 通过原子力显微镜观察高密度BD记录层的表面微结构，以捕获实际记录符号的形貌特征并促进精确建模。c 光盘记录层表面的理论建模结果（计算）。d BD光学数据存储中理论计算的读出信号（绿色，计算）和实测眼图（蓝色，实验）。理论计算的原始读出信号经均衡器处理后，再分段叠加得到眼图。e 实际测量（上）和理论建模（下）的记录符号，长度从2 T到8 T不等，对应七个判决窗口。凹坑表示“1”的组合，平台表示“0”的组合。f ResNet101和InceptionTime网络的训练损失随训练轮次变化。g ResNet101和InceptionTime网络的验证误差随训练轮次变化。比例尺为1 μm。

图3 通过具有物理合理性的扰动增强训练，以提高模型稳健性。

a 理想无伺服误差条件、聚焦伺服误差、循迹伺服误差和倾斜伺服误差下读/写状态的比较（从左至右）。由于伺服误差，光盘局部微结构与聚焦激光光斑的相对位置发生变化（上）；由于伺服误差，光盘表面的聚焦光斑也发生差异（下）。b 长度从2 T到8 T的信号训练集t-SNE可视化表示。c和d 使用扰动增强数据集训练时，ResNet101和InceptionTime网络验证误差率随训练轮次变化。e 在使用含伺服误差信号增强训练集后，聚焦伺服误差、循迹伺服误差、倾斜伺服误差、高斯白噪声和信号错位的误差容忍度提升百分比；误差容忍度定义为误码率为0时系统误差的最大允许范围。

图4 使用由模拟信号训练的DECODS解码低质量真实信号的性能。

a 光学数据存储系统的实验装置，包括光盘、微致动器、光电探测器、透镜和激光器。b 对真实采集信号（实验）进行平滑和滤波，以降低背景噪声影响；采用平滑因子为0.005的局部加权散点平滑方法。c 真实采集信号的眼图（实验）。d 中心位置处长度为2 T的代码“00”信号和长度为3 T的代码“000”信号的振幅分布。e 使用基于ResNet101的DECODS解码真实采集信号，并将解码结果转换为混淆矩阵（实验），显示所有解码结果均正确。f 使用基于InceptionTime的DECODS解码真实采集信号；解码结果被转换为混淆矩阵（实验），显示大多数解码结果正确。

图5 更高存储密度和更小记录符号对DECODS的影响。

a 常规高密度光盘与符号宽度减小10%、线间距减小10%的光盘显微表面对比。b 符号宽度减小10%时计算读出信号的眼图（计算）。c 线间距减小10%时读出信号的眼图（计算）。d、e、f、g、h 分别展示在符号宽度减小10%和线间距减小10%时，与常规高密度光盘相比，聚焦伺服误差、循迹伺服误差、倾斜伺服误差、噪声和信号错位的伺服裕量变化；2 T对应等效分辨率40。正常条件下的伺服裕量值来自图4。

本公众号专注于超表面领域的最新研究动态、学术成果和技术应用分享。所有发布的内容和图片，均已标明来源，且仅供个人学术学习和知识积累使用，不得用于商业目的。如您发现任何版权或相关问题，欢迎通过邮箱 metasurface@126.com 联系我们，我们将尽快处理并协调相关事宜。