封面论文丨薄膜铌酸锂平台实现强耦合电光调制，《Light Sci. Appl. 》报道机器学习优化新范式

01 前言

在当今光通信、量子计算与精密测量飞速发展的时代，光学频率梳 作为核心光源，其性能直接决定了系统的极限。传统的电光调制技术虽成熟，却始终受限于调制强度弱、带宽有限、需精确调谐等瓶颈。 

近日，由北京大学与哈佛大学联合研究团队在《Light: Science & Applications》上发表重磅研究(https://doi.org/10.1038/s41377-025-02046-y)，提出了一种强耦合、高带宽腔电光调制的通用理论框架，首次系统揭示了在极端调制条件下光频梳与脉冲的高阶非线性动力学，并实现了机器学习辅助的任意频谱整形，将频梳平坦度提升达10倍。

02 核心内容

1.打破传统理论局限  

  研究团队建立的新模型，适用于耦合强度Ω与调制带宽远大于腔自由光谱范围的极端条件，揭示了：

  强耦合 下，单一微波驱动即可激发腔内多脉冲产生，频梳谱从“三角状”变为“周期振荡状”；

  高带宽 调制可实现对合成频率维度中能带结构的动态调控。 

2.机器学习逆向设计“理想频梳”  

  通过优化微波驱动波形，结合频率边界效应，团队成功合成出近乎平坦的宽带光频梳，并实现单边平坦、不对称平坦等多种复杂频谱形态，展现出极强的可编程能力。 

3.实验可行性强  

  该理论框架在薄膜铌酸锂等先进集成光子平台上易于实现，所需微波功率与商用放大器兼容，具备快速落地应用的潜力。

03 研究意义

1.理论突破  

  传统电光调制理论在强耦合、高带宽条件下失效。本研究提出的哈密顿量模型与运动方程，为理解极端条件下的电光调制行为提供了统一工具。 

2.技术推动  

  强耦合条件下，系统对泵浦激光的失谐具有强鲁棒性，不再需要精确的波长匹配，极大降低了实验难度与系统复杂度。 

3.机器学习赋能  

  结合微波边界效应与高带宽驱动，通过机器学习逆向设计，实现了任意形状频梳的编程合成，为光通信、光计算、量子信息处理等应用提供了高度可重构的光源。 

4.平台兼容性强  

  该框架在薄膜铌酸锂等先进光子平台上易于实现，所需微波功率与现有商用放大器兼容，具备快速实验转化潜力。

04 未来展望

这项工作将腔电光调制推向了“强耦合+高带宽+机器学习” 三位一体的新阶段，不仅在基础物理层面揭示了高阶非线性动力学的丰富性，更为可编程光频梳、拓扑光子学、微波光量子转换等前沿方向打开了新的大门。 

正如作者所言：“我们开启了一个尚未被充分探索的电光调制新领域。”

图1:强耦合与高带宽腔电光调制

图2:强耦合区域下腔电光梳与脉冲合成的高阶动力学

图3:高带宽区域下任意驱动波形实现的动态可编程电光频率梳频谱

图4:基于机器学习的频域边界可调任意频谱整形微波信号逆向设计

【注】小编水平有限，若有误，请联系修改；若侵权，请联系删除！