林雍坤同学在全息存储应用研究中取得新进展
在大数据时代，信息的指数级增长使高效、低成本的数据存储成为研究热点。全息数据存储凭借体全息技术将二维编码数据页存储于三维全息介质中，兼具超高存储密度与快速传输速率的优势，被视作下一代数据存储技术的有力竞争者。全息数据存储的高容量优势源于复用技术，而所有复用技术的核心均基于体全息光栅的布拉格失配原理。但在数据读取阶段，必须严格满足布拉格条件才能获得可靠数据。因此在实际系统运行中，记录物镜的平移、离焦以及存储介质的倾斜等光轴偏差，都可能破坏布拉格匹配，导致衍射强度衰减、信噪比下降和误码率升高。 本文搭建了如图1 所示的振幅型同轴全息数据存储系统，探究了 xyz 不同光轴偏移对数据读取产生的影响。通过移动存储介质，计算不同偏移量下读取的数据页误码率（BER）、信噪比（SNR）和归一化衍射强度（NDI），实验结果如图2 所示，实验结果表明，共线全息数据存储系统的位移复用间隔必须大于 2μm。在伺服精度方面，通过 10nm 步长的精细化测试发现，实验结果如图3 所示，当位移在记录点 ±200nm 范围内时，重构数据的NDI保持在最大值的 0.707以上，BER 维持在极低水平。一旦超出该范围，衍射强度与信噪比均急剧衰减。因此，系统的伺服精度需严格控制在 ±200nm 以内，才能确保数据读取的准确性与可靠性。 |
|
| 图1 振幅型同轴全息数据存储系统光路图 |
|
| 图2 不同光轴偏移时，读取数据的 BER、SNR、NDI 变化情况。移动范围为数据点中心 ±3.5μm， 移动步长为 100nm。(a)-(c) 显示了 x 轴偏移距离与重建数据页的NDI、SNR 和 BER 之间 的关系，(d)-(f) 显示了 y 轴偏移距离与重建数据页的 NDI、SNR 和 BER之间的关系， (g)-(i) 显示了 z 轴偏移距离与重建数据页的 NDI、SNR 和 BER之间的关系 |
|
| 图3 不同光轴偏移时，读取数据的误码率、信噪比、归一化衍射强度变化情况。移动范围为数据点中心 ±500nm，移动步长为 10nm。(a)-(c) 显示了 x 轴偏移距离与重建数据页的 NDI、SNR 和 BER之间的关系，(d)-(f) 显示了 y 轴偏移距离与重建数据页的 NDI、SNR 和 BER 之间的关系 |
在介质倾斜测试中，实验结果如图4所示，未校正系统的倾斜角容限仅为 1.3°，当倾斜角达到该数值时，误码率升至1.02%，超出实际应用的1%阈值。随着倾斜角增大，重构数据页出现明显的桶形畸变，进一步加剧解码误差。 |
|
| 图4 数据重建误码率随介质倾斜角度变化的曲线。(a) 显示了倾斜角度范围内误码率和信噪比随倾斜角度的变化趋势；(b) 显示了误码率在倾斜角度1-2°范围内随倾斜角度的变化趋势 |
针对这一问题，研究团队提出基于 U-Net 卷积神经网络的深度学习校正方法。校正前后数据重建情况对比如图5 所示，通过 1100 组编码数据页的训练与测试，该网络能够精准提取介质倾斜导致的畸变特征，无需额外机械结构即可实现偏差校正。实验显示，校正后系统的倾斜角容限提升至 3°，是未校正系统的 2.3 倍，远超传统蓝光光盘 0.3°-0.6° 的倾斜角要求。更重要的是，该方法在软件层面完成优化，无需增加硬件复杂度，同时可同步消除光学系统像差与介质响应噪声，兼顾了实用性与高效性。 |
|
| 图5 介质倾斜角度校正前后数据重建情况对比图。(a) 为不同倾斜角下系统记录和读取数据的重构 效果；(b) 为了采用基于 0° 倾斜角数据优化的深度学习网络进行角度校正后的重构效果； (c) 为了采用基于 4° 倾斜角数据优化的深度学习网络进行角度校正后的重构效果； (d) 说明了深度学习校正前后数据的误码率和信噪比变化 |
本研究突破了传统研究的单一评价维度，建立了归一化衍射强度、信噪比与误码率相结合的综合评估体系，系统探究了同轴全息数据存储系统读取过程中的光轴偏差容限。探究了将介质角度倾斜对数据读取的影响，并提出基于深度学习的介质角度倾斜校正方案，为同轴全息数据存储系统的性能优化与伺服系统构建提供了重要支撑。 |
|
上述研究成果以“Optical axis deviation tolerance for data reading in collinear holographic data storage”为题，整理发表在美国光学学会 (The Optical Society of American, OPTICA) 期刊杂志 Optics Express, Vol.32, No.26, 55081-55095 (2025) 上。 论文的相关链接：https://doi.org/10.1364/OE.583256 |
|
(2025.12.15)
