CLEO 2023 쿠니분 준노스케

2023-06-02 2024-01-23 마쓰야마하야토

Research

CLEOPR 2023 참가 보고

5월 7일 - 5월 12일, 미국 산호세 컨벤션 센터, 미국 산호세

석사 1 년 쿠니분 준노스케

1. CLEO-PR2023에 대하여

본 회의는 APS ( American Physical Society ) , OSA ( The Optical Society ) , IEEE
Photonics Society가 주최하는 국제 컨퍼런스인 .Conference on Laser and Electro-Optic의 명칭은
레이저 및 전기광학 관련 연구자들이 한자리에 모이는 매우 큰 규모의 회의이며
저명한 연구자들도 다수 참석했으며, 2022년에는 대면과 온라인을 병행하여 개최될 예정이다.
하지만 2023년은 대면으로만 개최하게 되었다. 행사장에는 많은 사람들이 모여 대면 학회답지 않게
등에서는 활기찬 행사장이 되었다. Thorlabs를 비롯한 협찬사들의 부스 전시로 성황을 이루었다.
는 일본을 포함한 다수의 국가 기업들이 참가했다.

2. 보고자 발표에 대하여

제목: Small Spectrometer With Extremely High -Resolution (0.07 nm)
개선된 재구성 알고리즘으로 실현
발표자: Junnosuke Kokubu
소속:Keio University
발표번호:STH4G.7(Thu, May 11)

랜덤성을 갖는 광결정 도파관을 이용한 분광기 개발에 대해 발표했다.
본 연구는 단계적 샤프 구조를 갖는 광결정 도파관을 이용하여 분광을 할 때, 구조적으로
제작에 따라 결정되는 해상도의 한계를 제조 오류로 인한 무작위적인 국소화를 통해 극복할 수 있습니다.
이다. 광결정 내의 국소화는 파장에 매우 민감한 것으로 알려져 있다.
계 구조에 의한 분해능 한계가 1.5~1.7 nm로 알려져 있는 반면, 도파관 내의 국부광을 고려한 장
의 경우 0.08 nm까지 분해능을 향상시킬 수 있음을 실험적으로 보여주었다.

3. 청강한 발표

제목:Large Aperture Meta-Optics를 통한 Computational Spectroscopy
발표자:Johannes Froech
소속:University of Washington
발표번호:STH4G.5(Thu, May 11)

메타표면과 CCD 카메라를 이용한 초소형 분광기 개발에 관한 연구이다. 이번
의 연구에서는 직경 5mm의 실리콘 기판에 실리콘 나이트 라이드 금속 표면을 만들어
제작한 칩을 사용했다. 칩 기판 측에서 투과된 빛은 실리콘 나이트라이드 메타표면에 의해 파장 의존성을 가진 광선으로 성형되고, 렌즈를 통해 CCD 카메라
에 도달한다. 본 연구에서는 사전에 시스템의 PSF(Point Spread Function)의 파장 의존성
성을 기록해 두었다가, 스펙트럼이 알려지지 않은 입력에 대해, 사전 데이터를 바탕으로 스펙트럼
를 재구성하였다. 본 연구에서는 L0, L1, L2(Tikhonov) 정규화 방법을 이용하여 스펙트럼 재구성
를 수행하였으며, 이산 스펙트럼, 연속 스펙트럼 모두 재구성되는 것을 확인하였다.
얻어진 파장 분해능은 3.5 nm였다. 본 연구의 독특한 특징으로, 칩과 거북이
라의 거리에 따라 분광기로서 동작 파장 범위를 변화시킬 수 있는 점이 특징입니다.
수 있다. 향후 전망으로는 본 연구의 시스템을 하이퍼스펙트럼 카메라로 동작하는
만들도록 확장하는 것이 꼽혔다.

제목:고해상도를 위한 역설계 선형 코히어런트 포토닉 네트워크
스펙트럼 재구성
발표자:Yuan Li
소속:The Chinese University of Hong Kong
발표번호:STH4G.1(Thu, May 11)

CMOS와 호환되는 공정으로 온칩 분광기를 만드는 연구입니다.
리타, 라우터, 미러의 3종류의 광학소자를 다수 구현한 네트워크를 사용하여, 분
광 동작을 구현했다. 전체 소자 크기는 88 × 300 평방 마이크로미터이며, 25개의
터널 출력을 바탕으로 스펙트럼 재구성을 수행한다. 파장분할 가능성의 평가는 자기상관함수에 의해
이루어졌으며, 그 값은 0.27 nm였다. 본 연구의 재구성 방식은 의사 역행렬 방식으로 사전
처리한 결과를 다시 시뮬레이션 어닐링 방식으로 정제하는 방식이며, 두 가지 모두
각 알고리즘의 장점을 살린 하이브리드 방식이다.