Machine Learning THz Photonics - Tera Learn

Terahertz (THz)-Strahlung bietet gegenüber anderen Spektralbereichen Vorteile für Anwendungen in den Bereichen Spektroskopie, Sicherheit und Bildgebung. Die Erzeugung und Detektion von THz-Strahlung ist jedoch eine technologische Herausforderung. THz Quantenkaskadenlaser (QCLs) sind eine vielversprechende THz Quelle, bei denen es sich um Halbleiterbauelemente handelt, deren optische Übergänge durch die quantisierten Energieniveaus in den Nanostrukturen definiert sind. Somit kann die Emissionswellenlänge in einem weiten Bereich ausgelegt werden. Große Fortschritte wurden in den letzten Jahren in Bezug auf die maximale Betriebstemperatur und die Entwicklung ultrabreitbandiger aktiver Zonen erzielt. In diesem Projekt werden wir uns diese neuartigen Ultrabreitbandstrukturen zunutze machen. Um das Potenzial der Ultrabreitbandverstärkung freizusetzen, werden wir mit neuen THz-Resonatoren arbeiten, die die Emissionswellenlänge nicht a priori definieren. Um die Laser in diesen Strukturen zu steuern, werden wir künstliche neuronale Netze (KNN) anwenden, da sie die komplexen Probleme der Licht-Materie-Interaktion schnell lösen können. Die Kombination von KNNs und THz-QCLs ermöglicht elegante Lösungen für verschiedene Probleme von THz-QCL-Anwendungen. KNNs werden für die Erstellung eines schnellen Strahllenkungsmechanismus, die Erzeugung beliebig geformter THz-Spektren für die Spektroskopie und die spektral aufgelöste Objekterkennung im THz-Bereich verwendet. Wir planen eine Hardwareimplementierung der KNNs für die hyperspektrale Erkennung, da dies einen hohen Rechenaufwand vermeidet. Unsere Methoden zur Strahllenkung, Spektroskopie und Objekterkennung sind somit leicht auf Anwendungen übertragbar. Wir werden hochgradig durchstimmbare Zufallslaser basierend auf aktiven Dual-Stack- InGaAs/InAlAs-Regionen entwickeln. Wir werden auch Resonatoren für Quantenkaskaden- Zufallslaser entwickeln, die ein hohes Maß an externer Modulation ermöglichen. Dieses flexible Resonator Konzept ermöglicht die Anwendung künstlicher neuronaler Netze zur schnellen Einstellung gewünschter Emissionseigenschaften. Für die Strahllenkung verwenden wir eine Random - Laserkavität, in der verschiedene Lasermoden in verschiedene Richtungen emittiert werden. Das KNN steuert dann die Modulation des THz-Lasers in eine bestimmte Emissionsrichtung. Um beliebige Laserspektren zu erzeugen, passt das KNN die Wechselwirkung der Moden an, um das gewünschte Spektrum zu realisieren. Das KNN wird auf die Erkennung von Formen trainiert, um Objekte zu erkennen und Materialien zu bestimmen. Wir werden einen Einzelpixel-basierten Ansatz in Kombination mit einer hochgradig durchstimmbaren Laserquelle verwenden, um trainierte Objekte zu erkennen.