Ein bahnbrechendes holografisches System nutzt KI und mehrdimensionales Licht, um deutlich mehr Daten auf weniger Raum zu speichern.
Forscher haben eine neue Methode zur holografischen Datenspeicherung entwickelt, die Informationen in drei Dimensionen erfasst und abruft, indem sie drei Schlüsseleigenschaften von Licht kombiniert: Amplitude, Phase und Polarisation. Durch die Kombination dieser Eigenschaften ermöglicht die Technik die Speicherung deutlich mehr Daten auf demselben physischen Raum und bietet eine potenzielle Lösung für den weltweit schnell steigenden Bedarf an Datenspeicherung.
Im Gegensatz zu herkömmlichen Speichertechnologien, bei denen Daten auf flache Oberflächen wie Festplatten oder optische Datenträger geschrieben werden, werden bei der holografischen Speicherung Informationen mithilfe von Laserlicht im gesamten Volumen eines Materials eingebettet. Dieser volumetrische Ansatz ermöglicht die Existenz vieler überlappender Lichtmuster im selben Raum, wodurch die Speicherdichte erheblich erhöht und gleichzeitig die Datenübertragungsgeschwindigkeit verbessert wird.
„Bei der herkömmlichen holografischen Datenspeicherung verwendet die Datenkodierung typischerweise nur eine Lichtdimension wie Amplitude oder Phase oder kombiniert höchstens zwei dieser Dimensionen“, sagte Forschungsteamleiter Xiaodi Tan von der Fujian Normal University in China. „Basierend auf dem Prinzip der Polarisationsholographie verwendeten wir eine Deep-Learning-Architektur, die als Convolutional Neural Network Model bekannt ist, um die Nutzung der Polarisation als unabhängige Informationsdimension zu ermöglichen.“
Die heute (26. März) veröffentlichten Ergebnisse inOPTISCH, die Zeitschrift der Optica Publishing Group für wirkungsvolle Forschung, zeigen, dass diese neue Technik die Speicherung von Informationen steigern und gleichzeitig das Zurücklesen der Daten erleichtern kann.
„Mit weiterer Entwicklung und Kommerzialisierung könnte diese Art der mehrdimensionalen holografischen Datenspeicherung kleinere Rechenzentren und eine effizientere Archivspeicherung in großem Maßstab ermöglichen und gleichzeitig die Effizienz der Datenverarbeitung und -übertragung verbessern“, sagte Tan. „Es könnte auch zu sichererer Datenübertragung, optischer Verschlüsselung und fortschrittlicher Bildgebung beitragen.“
Dieses Video zeigt, wie es den Forschern gelang, 3D-Informationen direkt aus Beugungsintensitätsbildern abzurufen. Bildnachweis: Xiaodi Tan, Fujian Normal University in China
Verwendung der Polarisation als Datenkanal
Bei der holografischen Speicherung werden Informationen als seitenartige Bilder aufgezeichnet, die durch Laserlichtmuster erzeugt werden. Durch die Kodierung werden digitale Daten in diese optischen Seiten umgewandelt, während durch die Dekodierung die gespeicherten Muster wieder in nutzbare Informationen umgewandelt werden.
Obwohl Licht mehrere Eigenschaften bietet, die zur Kodierung weiterer Daten genutzt werden könnten, war ihre effektive Kombination eine große technische Herausforderung. Um dieses Problem zu lösen, haben die Forscher eine Methode namens Tensor-basierte Polarisationsholographie verfeinert, die den Polarisationszustand des Lichts bei der Rekonstruktion des Hologramms beibehält. Dies macht die Polarisation zu einer stabilen und zuverlässigen Möglichkeit, zusätzliche Informationen zu übertragen.
Aufbauend auf dieser Grundlage entwickelte das Team eine 3D-Modulationskodierungsstrategie. Durch die sorgfältige Steuerung der Intensität und Phase zweier senkrechter Polarisationszustände und die Anwendung einer Doppelphasen-Hologrammtechnik ermöglichten sie es einem räumlichen Lichtmodulator mit nur einer Phase, gleichzeitig Amplitude, Phase und Polarisation innerhalb des optischen Feldes zu kodieren.
KI-gestützte Dekodierung von 3D-Lichtdaten
Das Abrufen dieser mehrdimensionalen Daten stellt eine Herausforderung dar, da Standardsensoren nur die Lichtintensität (Amplitude) erfassen und Phase oder Polarisation nicht direkt messen können. Um diese Einschränkung zu beheben, kombinierten die Forscher die Tensor-Polarisations-Holographie mit einem Faltungs-Neuronalen Netzwerk, das in der Lage ist, alle drei Dimensionen von Informationen aus intensitätsbasierten Messungen zu rekonstruieren.
Das neuronale Netzwerk wird mithilfe von zwei Arten von Beugungsbildern trainiert: eines, das durch einen vertikalen Polarisator aufgenommen wurde, und eines, das ohne ihn aufgenommen wurde. Durch die Analyse dieser komplementären Bilder lernt das System, Muster in Bezug auf Amplitude, Phase und Polarisation zu identifizieren und kann so alle drei gleichzeitig dekodieren. Dieser Ansatz erhöht die Speicherkapazität und verbessert gleichzeitig die Datenübertragungsgeschwindigkeit.
Auf dem Weg zu Hochleistungsspeicher mit hoher Geschwindigkeit
Nachdem das Konzept bestätigt worden war, bauten die Forscher einen kompakten Versuchsaufbau, um die kodierten optischen Felder innerhalb eines polarisationsempfindlichen Materials aufzuzeichnen und zu rekonstruieren. Während des Tests wurden Intensitätsbilder untersucht, um Signaturen zu extrahieren, die mit Amplitude, Phase und Polarisation verknüpft sind. Diese Merkmale wurden dann in das neuronale Netzwerk eingespeist und ermöglichten eine vollständige 3D-Datenrekonstruktion nur unter Verwendung von Intensitätsmessungen.
„Insgesamt zeigten unsere Ergebnisse, dass die mehrdimensionale gemeinsame Kodierung die auf einer einzelnen holografischen Datenseite enthaltenen Informationen erheblich erhöhte und dadurch die Speicherkapazität verbesserte“, sagte Tan. „Darüber hinaus reduzierte die synchrone Dekodierung neuronaler Netze die Notwendigkeit komplexer Messungen und schrittweiser Rekonstruktionen und unterstützte so ein effizienteres Auslesen und Dekodieren. Dies könnte einen praktischen Weg zu einer holografischen Datenspeicherung mit hoher Kapazität und hohem Durchsatz ermöglichen.“
Nächste Schritte zu realen Anwendungen
Die Forscher betonen, dass sich die Technologie noch im experimentellen Stadium befindet und einer weiteren Verfeinerung bedarf, bevor sie in großem Umfang eingesetzt werden kann. Zukünftige Arbeiten werden sich darauf konzentrieren, die Anzahl der Graustufen im Kodierungsprozess zu erhöhen, um die Kapazität noch weiter zu steigern, sowie die Haltbarkeit, Konsistenz und Zuverlässigkeit der Speichermaterialien zu verbessern.
Sie planen außerdem, diesen Ansatz mit volumetrischen holographischen Multiplexing-Techniken zu integrieren, die die gleichzeitige Speicherung mehrerer Seiten und Datenkanäle ermöglichen könnten. Die Stärkung der Integration zwischen optischer Hardware und KI-basierten Dekodierungssystemen wird der Schlüssel zu einem schnelleren und zuverlässigeren Datenabruf unter realen Bedingungen sein.
Referenz: „Encoding and decoding of multidimensional Optical field modulation in holographic data storage“ von R. Chen, J. Wang, H. Wu, M. Song, Y. Yang, D. Lin, X. Tan, 26. März 2026,OPTISCH.
DOI: 10.1364/OPTICA.586593
Verpassen Sie keinen Durchbruch:
Folgen Sie uns weiterUndGoogle News.
Ein bahnbrechendes holografisches System nutzt KI und mehrdimensionales Licht, um deutlich mehr Daten auf weniger Raum zu speichern.
Forscher haben eine neue Methode zur holografischen Datenspeicherung entwickelt, die Informationen in drei Dimensionen erfasst und abruft, indem sie drei Schlüsseleigenschaften von Licht kombiniert: Amplitude, Phase und Polarisation. Durch die Kombination dieser Eigenschaften ermöglicht die Technik die Speicherung deutlich mehr Daten auf demselben physischen Raum und bietet eine potenzielle Lösung für den weltweit schnell steigenden Bedarf an Datenspeicherung.
Im Gegensatz zu herkömmlichen Speichertechnologien, bei denen Daten auf flache Oberflächen wie Festplatten oder optische Datenträger geschrieben werden, werden bei der holografischen Speicherung Informationen mithilfe von Laserlicht im gesamten Volumen eines Materials eingebettet. Dieser volumetrische Ansatz ermöglicht die Existenz vieler überlappender Lichtmuster im selben Raum, wodurch die Speicherdichte erheblich erhöht und gleichzeitig die Datenübertragungsgeschwindigkeit verbessert wird.
„Bei der herkömmlichen holografischen Datenspeicherung verwendet die Datenkodierung typischerweise nur eine Lichtdimension wie Amplitude oder Phase oder kombiniert höchstens zwei dieser Dimensionen“, sagte Forschungsteamleiter Xiaodi Tan von der Fujian Normal University in China. „Basierend auf dem Prinzip der Polarisationsholographie verwendeten wir eine Deep-Learning-Architektur, die als Convolutional Neural Network Model bekannt ist, um die Nutzung der Polarisation als unabhängige Informationsdimension zu ermöglichen.“
Die heute (26. März) veröffentlichten Ergebnisse inOPTISCH, die Zeitschrift der Optica Publishing Group für wirkungsvolle Forschung, zeigen, dass diese neue Technik die Speicherung von Informationen steigern und gleichzeitig das Zurücklesen der Daten erleichtern kann.
„Mit weiterer Entwicklung und Kommerzialisierung könnte diese Art der mehrdimensionalen holografischen Datenspeicherung kleinere Rechenzentren und eine effizientere Archivspeicherung in großem Maßstab ermöglichen und gleichzeitig die Effizienz der Datenverarbeitung und -übertragung verbessern“, sagte Tan. „Es könnte auch zu sichererer Datenübertragung, optischer Verschlüsselung und fortschrittlicher Bildgebung beitragen.“
Dieses Video zeigt, wie es den Forschern gelang, 3D-Informationen direkt aus Beugungsintensitätsbildern abzurufen. Bildnachweis: Xiaodi Tan, Fujian Normal University in China
Verwendung der Polarisation als Datenkanal
Bei der holografischen Speicherung werden Informationen als seitenartige Bilder aufgezeichnet, die durch Laserlichtmuster erzeugt werden. Durch die Kodierung werden digitale Daten in diese optischen Seiten umgewandelt, während durch die Dekodierung die gespeicherten Muster wieder in nutzbare Informationen umgewandelt werden.
Obwohl Licht mehrere Eigenschaften bietet, die zur Kodierung weiterer Daten genutzt werden könnten, war ihre effektive Kombination eine große technische Herausforderung. Um dieses Problem zu lösen, haben die Forscher eine Methode namens Tensor-basierte Polarisationsholographie verfeinert, die den Polarisationszustand des Lichts bei der Rekonstruktion des Hologramms beibehält. Dies macht die Polarisation zu einer stabilen und zuverlässigen Möglichkeit, zusätzliche Informationen zu übertragen.
Aufbauend auf dieser Grundlage entwickelte das Team eine 3D-Modulationskodierungsstrategie. Durch die sorgfältige Steuerung der Intensität und Phase zweier senkrechter Polarisationszustände und die Anwendung einer Doppelphasen-Hologrammtechnik ermöglichten sie es einem räumlichen Lichtmodulator mit nur einer Phase, gleichzeitig Amplitude, Phase und Polarisation innerhalb des optischen Feldes zu kodieren.
KI-gestützte Dekodierung von 3D-Lichtdaten
Das Abrufen dieser mehrdimensionalen Daten stellt eine Herausforderung dar, da Standardsensoren nur die Lichtintensität (Amplitude) erfassen und Phase oder Polarisation nicht direkt messen können. Um diese Einschränkung zu beheben, kombinierten die Forscher die Tensor-Polarisations-Holographie mit einem Faltungs-Neuronalen Netzwerk, das in der Lage ist, alle drei Dimensionen von Informationen aus intensitätsbasierten Messungen zu rekonstruieren.
Das neuronale Netzwerk wird mithilfe von zwei Arten von Beugungsbildern trainiert: eines, das durch einen vertikalen Polarisator aufgenommen wurde, und eines, das ohne ihn aufgenommen wurde. Durch die Analyse dieser komplementären Bilder lernt das System, Muster in Bezug auf Amplitude, Phase und Polarisation zu identifizieren und kann so alle drei gleichzeitig dekodieren. Dieser Ansatz erhöht die Speicherkapazität und verbessert gleichzeitig die Datenübertragungsgeschwindigkeit.
Auf dem Weg zu Hochleistungsspeicher mit hoher Geschwindigkeit
Nachdem das Konzept bestätigt worden war, bauten die Forscher einen kompakten Versuchsaufbau, um die kodierten optischen Felder innerhalb eines polarisationsempfindlichen Materials aufzuzeichnen und zu rekonstruieren. Während des Tests wurden Intensitätsbilder untersucht, um Signaturen zu extrahieren, die mit Amplitude, Phase und Polarisation verknüpft sind. Diese Merkmale wurden dann in das neuronale Netzwerk eingespeist und ermöglichten eine vollständige 3D-Datenrekonstruktion nur unter Verwendung von Intensitätsmessungen.
„Insgesamt zeigten unsere Ergebnisse, dass die mehrdimensionale gemeinsame Kodierung die auf einer einzelnen holografischen Datenseite enthaltenen Informationen erheblich erhöhte und dadurch die Speicherkapazität verbesserte“, sagte Tan. „Darüber hinaus reduzierte die synchrone Dekodierung neuronaler Netze die Notwendigkeit komplexer Messungen und schrittweiser Rekonstruktionen und unterstützte so ein effizienteres Auslesen und Dekodieren. Dies könnte einen praktischen Weg zu einer holografischen Datenspeicherung mit hoher Kapazität und hohem Durchsatz ermöglichen.“
Nächste Schritte zu realen Anwendungen
Die Forscher betonen, dass sich die Technologie noch im experimentellen Stadium befindet und einer weiteren Verfeinerung bedarf, bevor sie in großem Umfang eingesetzt werden kann. Zukünftige Arbeiten werden sich darauf konzentrieren, die Anzahl der Graustufen im Kodierungsprozess zu erhöhen, um die Kapazität noch weiter zu steigern, sowie die Haltbarkeit, Konsistenz und Zuverlässigkeit der Speichermaterialien zu verbessern.
Sie planen außerdem, diesen Ansatz mit volumetrischen holographischen Multiplexing-Techniken zu integrieren, die die gleichzeitige Speicherung mehrerer Seiten und Datenkanäle ermöglichen könnten. Die Stärkung der Integration zwischen optischer Hardware und KI-basierten Dekodierungssystemen wird der Schlüssel zu einem schnelleren und zuverlässigeren Datenabruf unter realen Bedingungen sein.
Referenz: „Encoding and decoding of multidimensional Optical field modulation in holographic data storage“ von R. Chen, J. Wang, H. Wu, M. Song, Y. Yang, D. Lin, X. Tan, 26. März 2026,OPTISCH.
DOI: 10.1364/OPTICA.586593
Verpassen Sie keinen Durchbruch:
Folgen Sie uns weiterUndGoogle News.
