Correlation invariance unlocks robust calibration-free orbital-angular-momentum multiplexing transmission under dynamic scattering scenarios

大氣湍流等動態環境常導致光學數據傳輸崩潰，但一項基於相關不變性的新技術成功在時變干擾中實現 98.97% 的高還原準確率。該研究完全免除機器學習與預先校準，透過單次拍攝即可重建軌道角動量多工光束，解決了高頻寬光通訊面對環境干擾的長期障礙。

軌道角動量多工技術與動態散射介質的衝突

現代通訊網路對頻寬的需求呈現指數級增長，傳統基於波長、時間或頻率的多工傳輸技術逐漸逼近其物理極限。為了突破這個瓶頸，光學界將目光轉向了空間維度，其中軌道角動量（OAM, Orbital Angular Momentum）多工技術成為最具潛力的解決方案。OAM 光束擁有一種特殊的螺旋狀相位波前，彷彿光波在空間中以龍捲風的姿態前進。由於不同拓撲電荷數的 OAM 模式在物理上是相互正交的，工程師可以將多個獨立的數據流疊加在同一條光束中傳輸，從而在不增加頻寬資源的前提下，成倍地提升光通訊系統的資訊容量。

然而，這項技術在實驗室外遭遇了嚴峻的現實挑戰。當這些攜帶高密度數據的 OAM 光束穿越真實世界的動態散射介質時，例如充滿密度擾動的湍流大氣或水下環境，原本完美的螺旋波前會遭到嚴重扭曲。這種空間相位的隨機擾動會破壞光束的正交性，導致接收端的訊號退化成一團無序且混亂的光斑，也就是所謂的散斑（Speckles）。一旦出現這種情況，傳統的光學解多工系統便無法區分原本疊加的各個通道，引發嚴重的訊號串擾，讓數據復原變得幾乎不可能。

傳統波前整形與深度學習在時變條件下的瓶頸

為了克服散射介質帶來的干擾，科學家們過去依賴兩種主要途徑：波前整形技術與深度學習模型。波前整形通常結合空間光調變器與相機，透過預先發射探測光束來測量環境的傳輸矩陣，接著在發射端施加反向的相位補償，藉此抵消散射效應。另一方面，深度學習則利用大量的「乾淨訊號與散斑影像」配對數據進行模型訓練，試圖讓神經網路學會從混亂的圖樣中直接猜測並還原出原始的光學資訊。

這兩種策略在應對靜態介質（如毛玻璃或固定的物理遮蔽物）時確實展現了優異的修復能力，但一旦面對時間變化的動態散射環境，它們的有效性便會瞬間崩潰。問題的核心在於時間延遲與環境匹配度。動態大氣湍流的折射率是不斷且快速變化的，這意味著當波前整形系統完成測量並準備進行相位補償時，環境狀態早就已經改變了，導致補償參數完全失效。同樣地，針對特定散射狀態訓練出來的 AI 模型，遇到未見過的動態擾動時，往往會產生嚴重的過度擬合或推論錯誤，無法提供可靠的數據恢復結果。

引入相關不變性概念抵消動態干擾的隨機相位

為解決動態環境造成的即時性難題，研究團隊放棄了傳統的測量與補償思路，轉而提出了一種名為「相關不變性（Correlation Invariance）」的全新物理概念。這項技術的核心在於承認並接受散射干擾的存在，但透過巧妙的光學設計，讓干擾在數學運算中自我消除。研究人員設計了一種緊湊的共光路幾何結構，讓兩道攜帶不同資訊但具有正交偏振態（例如一道水平偏振、一道垂直偏振）的光束，同時穿越同一片動態散射介質。

由於這兩道光束走的是完全相同物理路徑，它們所經歷的動態散射相位擾動幾乎是一模一樣的。在接收端，系統會同時擷取這兩組正交偏振的散斑全像圖，並將它們送入處理器計算強度互相關（Intensity cross-correlation）。在互相關的數學計算過程中，這兩個信號中共同擁有的隨機散射相位會自動產生正負抵消的作用。當環境帶來的隨機變數被徹底剔除後，原本封裝在光束中的確定性物件資訊就會浮現出來，從根本上實現了對動態干擾的免疫能力。

單次拍攝達成 98.97% 準確率的彩色數據傳輸

這項技術帶來了極具實用價值的操作優勢：它是一種完全免校準（Calibration-free）的解決方案。因為系統不需要事先知道或測量當下的環境傳輸矩陣，也不依賴任何預先收集的數據集來訓練神經網路，所以徹底避開了動態環境帶來的時間延遲問題。接收端只需要進行單次拍攝（Single-shot），同時捕捉到當下的全像圖，就能立即透過演算法重建出輸入 OAM 多工光束的完整振幅與相位資訊。

為了驗證這套機制的極限，研究團隊進行了嚴苛的高密度數據傳輸實驗。他們將 24-bit RGB 彩色影像編碼進入 OAM 多工系統中，並測試其在不同環境下的還原能力。實驗數據顯示，在穩定的靜態散射環境下，該系統能夠達到高達 99.61% 的解碼準確率；而即使在人為製造、快速變化的動態散射場景中，系統依然保持了驚人的穩定性，成功以 98.97% 的極高準確率無損還原了彩色影像數據。這項硬指標直接證明了該方法在應對極端通訊條件時的穩健性。

釋放自由空間光通訊與嚴苛環境成像的發展潛能

這項突破不僅僅停留在實驗室的數據表現上，它直接解決了 OAM 光束多工技術邁向商業應用的一大長期障礙。過去，由於無法保證在自由空間光通訊（FSO）中的傳輸穩定性，高容量 OAM 技術的部署範圍受到極大限制。如今，透過相關不變性帶來的抗散射能力，未來在建築物之間的雷射通訊、無人機對地面的高速數據傳輸，甚至是低軌道衛星與地面站之間的光學連接，都有望實現更高頻寬且不怕氣候擾動的穩定連線。

除了通訊基礎建設，這種免校準的散斑重建技術，也為先進的光學加密與惡劣環境成像打開了新領域。在光學加密應用中，動態散射介質本身就可以被視為一種難以預測的實體密鑰，只有具備正確偏振解析設計的接收端才能還原資訊。而在濃霧環境遙測或視線不良的高雜訊場景中，這種能夠自動過濾動態散射雜訊的光學架構，將大幅降低硬體調校的複雜度，催生出反應更為快速的即時探測設備。

透過共光路設計與互相關運算抵消動態雜訊，未來的自由空間光通訊將大幅降低對環境氣候的依賴，實現更穩定的超大容量傳輸。