研究人员提出了一种新型全息数据存储方法，将光的三种属性——振幅、相位和偏振——联合用于编码和读取，实现三维信息的存储。这一方案在相同空间内可写入更多数据，被视为应对全球数据存储需求快速增长的潜在技术路径。

全息数据存储是利用激光在材料内部记录数字信息的技术。与只在表面写入数据的硬盘或光盘不同，全息存储在材料体积中叠加记录多个光学图案，从而获得更高的存储密度和更快的数据传输速率。

来自中国福建师范大学的研究团队负责人谭晓迪介绍，在传统全息数据存储中，数据通常只编码在光的一个维度上，例如振幅或相位，最多也只是同时利用这两种属性中的两种。而在本研究中，团队基于偏振全息原理，引入了一种卷积神经网络（CNN）深度学习架构，使偏振可以作为独立的信息维度参与编码。

相关成果发表在《Optica》期刊上。研究人员展示了这一新型全息存储技术在提升信息密度的同时，还能简化读取流程的能力。

谭晓迪表示，随着技术的进一步发展和走向商业化，这种多维全息数据存储有望推动数据中心向更小型化发展，并提高大规模档案存储的效率，同时改善数据处理与传输性能。此外，该技术还有望支持更安全的数据传输、光学加密以及先进成像等应用。

利用偏振扩展信息维度

在全息数据存储中，信息以“数据页”的形式记录，这些数据页由特定的激光光场图案构成。编码过程将数字信息转换为这些光学数据页并写入介质，解码过程则将记录的数据页还原为用户可用的数据。

理论上，光具有多种可利用的属性，可以在同一数据页中承载更多信息。但在实际操作中，要同时稳定、准确地利用多种光学属性进行编码和读取存在较大难度。为此，研究团队长期致力于基于张量理论的偏振全息技术研究，使得在重构过程中能够保持全息图中记录的偏振状态，从而将偏振作为可靠的信息通道。

在最新工作中，研究人员通过控制两个正交偏振态的强度和相位，并结合双相位全息方法，提出了一种三维调制编码方案。借助这一方案，单个仅相位型空间光调制器即可在光场中同时编码振幅、相位和偏振信息。

然而，在解码阶段，如何从振幅、相位和偏振三维信息中还原数据是一个难点。原因在于常规传感器只能测量光强（即振幅相关信息），无法直接获取相位和偏振。

为解决这一问题，研究团队基于张量偏振全息理论，设计了一个卷积神经网络模型，使其能够直接从衍射强度图像中同时提取振幅、相位和偏振三种信息，实现三维数据的联合解码。

该模型通过两幅互补的衍射强度图像来学习光场特征：一幅图像通过垂直偏振片获取，另一幅则在无偏振片条件下记录。将这两幅强度图像作为输入，经过训练的神经网络可以同时解码出振幅、相位和偏振信息，从而在提升存储密度的同时提高数据传输效率。

借助神经网络实现高效解码

在完成理论分析后，研究人员搭建了一个紧凑的实验装置，用于在偏振敏感介质中记录并重构编码后的光场。

在评估与解码过程中，首先对记录得到的强度图像进行分析，从中提取与振幅、相位和偏振相关的特征分布。随后，这些特征被输入神经网络进行解码，使得仅依靠强度测量就能同时重构三维数据。

谭晓迪指出，实验结果表明，多维联合编码显著提高了单个全息数据页可承载的信息量，从而有效增加了整体存储容量。同时，利用神经网络进行同步解码，减少了对复杂测量步骤和逐级重构过程的依赖，使读取和解码更加高效，为实现高容量、高吞吐量的全息数据存储提供了可行路径。

研究团队也强调，这项技术目前仍处于研究阶段，距离商业化应用尚有一段距离。接下来，他们计划提高编码的灰度级数，以进一步扩展存储容量，并改进记录介质在长期稳定性、均匀性和重复性方面的表现，使其更适应实际应用环境。

未来，研究人员希望将该系统与体积全息复用技术结合，实现多页、多通道的联合存储。同时，他们还将加强光学硬件与解码算法之间的协同优化，以便在真实应用条件下实现更快速、更稳定的数据检索。