单探测器+神经网络：上海交大实现激光相干合成 “一步锁相” | Adv. Photon. Nexus

Advanced Photonics Nexus 2026年第三期文章：

Yong Wu, Guoqing Pu, Jiajin Wang, Zhiwei Fang, Weisheng Hu, Lilin Yi, "Real-time one-step phase locking with physics-informed phase estimator in multichannel coherent beam combining," Adv. Photon. Nexus 5, 036014 (2026)

在高功率激光技术领域，单根光纤激光器的功率提升正面临着热效应、非线性效应以及模式不稳定等物理瓶颈的严峻挑战。为了突破这一限制，相干光束合成（Coherent Beam Combining, CBC）技术应运而生。该技术通过将多路激光束在相位上精确对齐并合成为一束，从而在保持优异光束质量的同时实现功率的稳定叠加。然而，随着合成通道数的增加和对外界环境干扰补偿速度要求的提高，传统的相位控制技术逐渐显得力不从心。传统的锁相方法，如随机并行梯度下降算法（SPGD）和基于单探测器电子频率标记的光学相干锁定技术（LOCSET），通常依赖迭代反馈回路。这意味着随着通道数量的增加，所需的迭代步数也随之增加，导致相位锁定的带宽受限，难以满足激光粒子加速器、相干放大网络等前沿应用对高速相位控制的迫切需求。

针对这一难题，上海交通大学信息与电子工程学院的研究团队提出了一种名为“物理信息相位估计器”（Physics-Informed Phase Estimator, 简称PIPE）的创新方案。PIPE是一种巧妙的“灰盒”模型，它深度融合了传统LOCSET技术的物理机制与人工智能神经网络的强大学习能力。其核心思想是利用单个光电探测器捕获合成光束的时间域强度信号，通过给每个子光束赋予独特的频率标签微扰，将各通道的相位差异编码到强度的波动中。随后，经过训练的神经网络能够直接从这些时间域波形中“一步”推断出各通道间的绝对相位差，从而实现实时相位校正。

图1 PIPE锁相系统框架

与以往依赖相机采集远场光斑图像进行相位控制的AI方法不同，PIPE仅使用一个高速光电探测器。这不仅避免了相机采集速度慢、数据量大的缺点，还极大地提高了控制带宽，显著降低了闭环延迟。研究团队在基于现场可编程门阵列（FPGA）的硬件平台上实现了该方案，并在四通道填充孔径相干光束合成系统中进行了实验验证。填充合成相比平铺孔径系统虽然能消除旁瓣能量损失、提高合成效率，但由于子光束空间重叠，难以直接提取空间相位信息，而PIPE通过引入时间域特征完美解决了这一痛点。

实验结果显示，PIPE技术取得了令人瞩目的性能提升。在相同的实验条件下，PIPE的平均收敛时间仅为31 μs，相比传统LOCSET的平均306.5 μs收敛时间，速度提升了近9.8倍。更令人兴奋的是，PIPE实现“一步锁相”的概率高达96.81%，而LOCSET仅为5%。这意味着系统几乎可以在瞬间完成相位校准，极大地增强了系统对抗环境扰动的能力。在锁定精度方面，PIPE同样表现出色，残余相位误差低至λ/45，合成效率高达98%，与LOCSET相当甚至略优。此外，由于PIPE在相位估计阶段无需持续的正弦扰动，其在低频噪声抑制方面也展现出了一定优势。

图2 相同硬件下，PIPE对比LOCSET实验收敛时间统计

研究还进一步探讨了PIPE技术的通道扩展性。通过数值仿真发现，虽然随着通道数增加，相位空间呈指数级扩大，对训练数据量提出了更高要求，但PIPE在少通道系统中表现尤为卓越。对于未来大规模通道系统，研究团队提出了一种混合策略：利用PIPE快速将系统功率提升至90%以上，再结合LOCSET进行长期的精细锁相，这种组合有望在大型CBC系统中发挥巨大潜力。此外，本研究还成功验证了实验系统和仿真系统的对齐，通过调整物理参数可以将二者波形匹配，生成多样化的训练数据集，从而显著提升PIPE模型在面对实际系统各种复杂工况（如通道功率不平衡）时的泛化能力和鲁棒性。这为PIPE技术在更广泛场景下的部署和应用奠定了坚实基础。

PIPE技术的成功演示，标志着相干光束合成领域在智能化、高速化方向迈出了重要一步。它不仅不依赖复杂的空间光斑信息，天然适用于填充孔径合成系统，而且具有通用的推广价值。无论是连续波还是脉冲激光系统，PIPE都展现出了良好的适应性。随着网络架构的优化和训练数据的丰富，PIPE有望成为未来高功率激光合成系统中的标准相位控制方案，为激光核聚变、空间通信、高能物理加速器等国家战略需求提供强有力的核心技术支撑。这项成果不仅解决了当前多通道合成中的速度瓶颈，更为下一代超高功率激光系统的构建开辟了新的技术路径。

第一作者：

吴勇，上海交通大学集成电路学院/信息与电子工程学院博士研究生，现主要从事高功率光纤激光器前端控制系统的关键技术研究。以第一作者或共同第一作者身份在Advanced Photonics Nexus、Chinese Optics Letters、Optics Letters 等期刊发表学术论文数篇。

通讯作者：

蒲国庆，上海交通大学集成电路学院/信息与电子工程学院长聘教轨副教授，博士生导师，研究方向为激光智能调控。主持国家自然科学基金青年项目和中国博士后科学基金面上项目2项。在Light: Science & Applications、Nature Communications、Optica、 Laser & Photonics Reviews、Advanced Photonics Nexus、Chinese Optics Letters 等发表论文40余篇。研究成果入选美国光学学会2019年度光学进展“Optics in 2019”和2019年中国光学十大进展，入选Light封面文章，获国际会议AFL 2020评选的“Fiber Laser in 2020”奖项，获国际会议AFL 2023评选的“光纤激光五年优秀成果”奖项。

义理林，上海交通大学集成电路学院/信息与电子工程学院特聘教授，光子传输与通信全国重点实验室副主任。主要从事智能光纤通信系统和智能光纤激光系统方面的研究。在知名期刊National Science Review、Nature Communications、Light: Science & Applications、Optica、Advanced Photonics、Advanced Photonics Nexus、Chinese Optics Letters 等发表论文100余篇，入选全球前2%顶尖科学家榜单。解决光纤通信系统快速精确建模难题，发布智能光传输开源仿真平台（ifibertrans.sjtu.edu.cn），获得同行广泛采用。通过海量光学知识的结构化注入，采用渐进式的专家培养路径，开发全国产光学大模型Optics GPT，面向全行业发布并开放使用。解决超快激光智能调控难题，相关工作被入选全球光学进展和中国光学十大进展，相关研究成果实现产业转化并获中国产学研合作促进会产学研合作创新奖。主持国家杰出青年科学基金、国家重大科研仪器专项、科技部重点研发计划等项目。