大数跨境

前沿 | 薄膜铌酸锂上的宽频带偏振旋转分束器

前沿 | 薄膜铌酸锂上的宽频带偏振旋转分束器 两江科技评论
2021-12-31
1
导读:香港城市大学王骋教授团队设计并实验证明了一种基于LNOI平台的宽频带绝热PRS。

Photonics Research 2021年第12期Editors' Pick

Zhaoxi Chen, Jingwei Yang, Wing-Han Wong, Edwin Yue-Bun Pun, Cheng Wang. Broadband adiabatic polarization rotator-splitter based on a lithium niobate on insulator platform[J]. Photonics Research, 2021, 9(12): 12002319

在光通信系统中,偏振自由度是信息编码的重要维度。因此,能高效执行偏振旋转和偏振分束等任务的器件是这些系统中的核心元件。对于光子集成芯片,偏振控制元件对于筛选不具有单一偏振状态的输入光信号也很重要。
偏振旋转分束器(PRS)是解决此类问题的一种很有前景的方案,它可以通过单个紧凑的器件,一次性完成两个偏振操作任务,即偏振旋转和偏振分离。目前,PRS已经在许多集成光子平台中实现,包括硅、氮化硅和磷化铟等。
近年来,基于薄膜铌酸锂(LNOI)平台的器件快速发展,已经发展出很多高性能的光子学器件,如高速电光调制器、高效波长转换器、宽带频率梳源,以及纠缠光子对发生器等。实现宽频谱、高效率且与其他薄膜铌酸锂器件具有良好集成性的PRS,可以大大扩展薄膜铌酸锂集成光学平台在偏振自由度的应用,为未来经典和量子光学通信系统的发展提供有效的解决方案。
近日,香港城市大学王骋教授团队在 Photonics Research 2021年第12期上发表的文章中,设计并实验证明了一种基于LNOI平台的宽频带绝热PRS。
该PRS可实现两种不同偏振的输入模式,即TE0和TM0模式的分离,并将它们同时转换为TE0模式由两个输出端口分别输出,如图1(a)所示。该器件的设计基于与其他常见LNOI器件相似的波导结构尺寸和加工工艺,而且两种输出模式的偏振都沿铌酸锂晶体的光轴,可以有效利用铌酸锂晶体的电光效应和二阶非线性效应,因而与LNOI平台中其他高性能电光和非线性器件具有高度兼容性。
图1 (a) 偏振旋转分束器(PRS)的整体示意图;(b) 在不同输入偏振态下,器件输出端面模式分布的红外相机
实验结果表明,该器件在1550 nm通信波段展示出良好的偏振分束能力,工作带宽达130 nm(受可调激光器范围限制),覆盖整个通信C和L波段以及大部分S波段,实测偏振串扰为-10 dB左右,如图1(b)所示。进一步仿真表明该器件的实际工作带宽可进一步扩展到500 nm的超宽带宽。
王骋教授表示,进一步将此PRS与其他有源组件(如高速电光调制器)集成,可望在LNOI平台上实现高集成度、高性能的双偏振光子信号传输和信息处理系统,应用于未来经典和量子光芯片系统。
科学编辑 | 香港城市大学 王骋
编辑 | 方紫璇

作者简介

王骋

香港城市大学

主要研究方向:集成铌酸锂光子器件和芯片的设计和微纳加工

 

王骋,博士,香港城市大学电机工程学系助理教授,主要研究方向是集成铌酸锂光子器件和芯片的设计和微纳加工,及其在光通信、非线性光学、毫米波和量子光学方面的应用。先后主持国家自然科学基金委优秀青年科学基金(港澳)、香港研究资助局等研究项目,并获裘搓基金会前瞻科研大奖。近几年在Nature、Nature Photonics、Nature Communications、Optica等期刊上发表论文30余篇。

课题组网站:http://www.ee.cityu.edu.hk/~cwang

推荐阅读

1、Davide Pierangeli, Giulia Marcucci, Claudio Conti. Photonic extreme learning machine by free-space optical propagation[J]. Photonics Research, 2021, 9(8): 08001446
2、Yanan Han, Shuiying Xiang, Zhenxing Ren, et al. Delay-weight plasticity-based supervised learning in optical spiking neural networks[J]. Photonics Research, 2021, 9(4): 0400B119
3、Zhenyu Li, Hui Zhang, Binh Thi Thanh Nguyen, et al. Smart ring resonator–based sensor for multicomponent chemical analysis via machine learning[J]. Photonics Research, 2021, 9(2): 02000B38

END


免责声明:本文旨在传递更多科研资讯及分享,所有其他媒、网来源均注明出处,如涉及版权问题,请作者第一时间后台联系,我们将协调进行处理,所有来稿文责自负,两江仅作分享平台。转载请注明出处,如原创内容转载需授权,请联系下方微信号


【声明】内容源于网络
0
0
两江科技评论
聚焦“光声力热”超构材料、凝聚态物理、生物医学、智能制造等领域,打造科研人便捷的交流平台,发布优质新鲜的科研资讯。
内容 6001
粉丝 0
两江科技评论 聚焦“光声力热”超构材料、凝聚态物理、生物医学、智能制造等领域,打造科研人便捷的交流平台,发布优质新鲜的科研资讯。
总阅读1.9k
粉丝0
内容6.0k