当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 彭超团队手性激光研究获重大突破

彭超团队手性激光研究获重大突破

2025-07-31 08:51:51 0浏览 收藏

有志者,事竟成!如果你在学习科技周边,那么本文《彭超团队手性激光研究获重大突破》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~

集体振荡是指多个独立的谐振单元在相互作用下形成整体振荡的现象,这种整体表现出的共振特性与单个谐振单元明显不同,体现了诺贝尔物理学奖得主P. W. Anderson提出的“多即不同”(more is different)这一思想。集成振荡现象广泛存在于光子、等离激元和量子系统中,通常通过实空间中具有相互作用的谐振结构来实现。然而,基于实空间与动量空间之间的傅里叶对偶性(Fourier Duality),在动量空间中引入相互作用同样有望实现集体振荡。近日,北京大学电子学院彭超团队联合中国科学院半导体研究所郑婉华院士团队及澳大利亚国立大学Yuri Kivshar院士团队,在《Nature Nanotechnology》上发表了一项创新研究成果,首次观测到由边界动量散射诱导产生的集体导模共振(collective guided resonance, CGR)现象,并通过非对称泵浦打破镜面对称性,实现了手性激光发射。

电子学院彭超团队在手性激光领域取得重大进展

图1 集体导模共振

研究团队从实空间与动量空间的傅里叶对偶关系出发,设计出一种具有圆形边界的有源光子晶体结构。在边界散射效应的作用下,原本各自传播的多个光子晶体导模发生各向同性耦合,从而形成了二重简并的集体导模共振态(collective guided resonances, CGRs)。在保持镜面对称的情况下,这两个简并模式分别携带相反方向的手性涡旋。随后,团队采用非对称泵浦方式破坏手性对称性,成功实现了单一模式的手性涡旋激光输出。实验中观察到了实空间中心强度为零的涡旋光束,并通过偏振分布和自干涉测量验证了涡旋中心存在纯粹的相位奇点,表现为自干涉条纹呈现一对方向相反的“叉”(fork)型图案。这些结果表明所发射的激光携带着非零的手性轨道角动量。

电子学院彭超团队在手性激光领域取得重大进展

图2 集体导模共振模式原理

电子学院彭超团队在手性激光领域取得重大进展

图3 手性涡旋激射特征

本研究揭示了一种特殊的动量空间整体振荡行为,为“多即不同”的理论提供了新的实验证据,同时也为片上涡旋激光器的实际应用开辟了新路径。该论文于2025年7月1日发表于《Nature Nanotechnology》,详情请访问:https://www.nature.com/articles/s41565-025-01964-7。

北京大学电子学院博士生陈烨与中国科学院半导体研究所青年研究员王明金为共同第一作者;中国科学院半导体研究所郑婉华院士、澳大利亚国立大学Yuri Kivshar院士以及北京大学电子学院彭超教授为共同通讯作者。该项目得到了科技部重点研发计划与国家自然科学基金等多项支持。

今天关于《彭超团队手性激光研究获重大突破》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

MDC日志追踪方案全解析MDC日志追踪方案全解析
上一篇
MDC日志追踪方案全解析
Python多变量异常检测:马氏距离详解
下一篇
Python多变量异常检测:马氏距离详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    390次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    470次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    477次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    421次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    245次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码