近日，加州大学洛杉矶分校Aydogan Ozcan教授团队在《先进光子学》期刊发表研究成果，成功开发基于波长复用的衍射光学信息存储平台。面对人工智能与云计算催生海量数据对传统磁存储在寿命、成本及检索速度上的瓶颈，该团队利用深度学习定制多层无源介质，实现光数据的高效编码与并行读取。 该系统将独立图像分配至特定照明波长并封装于透明衍射堆栈中。读取时仅需切换入射光波长即可精准还原目标图像。数值仿真显示，平台在可见光波段可稳定存储并重构超四千幅图像，通道串扰极低，平均峰值信噪比逾四十八分贝。实验原型在双层介质中成功演示了六组特定波长图像的同场复用与无损读取。 研究指出，该架构摒弃机械部件，彻底规避传统介质物理衰减风险，且支持全电磁波段操作。通过耦合偏振、角度或空间复用技术，系统容量具备极大扩展空间。此项突破不仅为海量数据长期归档提供高致密、免维护的新路径，亦在信息安全、先进显示与光子计算领域蕴含重大应用潜力。