损耗减半，激光在望：光子时间晶体的第一次实验验证
如果走通，太赫兹频段可能获得一条不同于量子级联激光器的补充路径。
2026年7月29日，法国École Polytechnique、Collège de France和德国亥姆霍兹-德累斯顿-罗森多夫研究中心（HZDR）联合团队在Nature发表了一种等离激元超材料器件。
这是全球首个全光学光子时间晶体。
此前微波频段已有电子器件实现过同一概念，但电子元件的响应速度难以达到更高频段所需的调制深度。
这次实验在太赫兹频段把等离激元损耗降低了超过50%，研究者判断激光「在实验可及范围内」。
这里说的光子时间晶体是经典电磁学中的概念，指材料的光学性质在时间上被快速周期调制，不是近年量子物理中讨论的多体时间晶体（自发破缺时间平移对称性）。
全光学光子时间晶体研究的概念插图。
来源：École Polytechnique
从空间排列到时间调制
普通光子晶体的原理是在空间上周期排列不同折射率的材料，产生频率带隙，特定频率的光无法通过。
光子时间晶体反过来，在时间上快速调制材料的折射率，产生的是动量带隙。
关键差异在带隙内光的行为。
空间带隙中的光只能衰减，频率带隙是一道墙。
动量带隙中的光却可以增长，因为系统处于非平衡态，泵浦源持续注入能量。
换个说法，空间光子晶体是滤波器，挡住不该过的光；时间光子晶体的动量带隙原则上支持由外部驱动供能的参数放大，让特定的光越跑越强。
如果增益超过损耗，PTC就有可能成为一种新型激光器的基础。
论文展示时空周期结构、等离激元超材料器件及其腔模。
来源：研究团队论文预印本
这个理论预测存在多年，实验验证一直卡在一个工程问题上：要产生时间晶体效应，材料光学参数的调制速度必须接近光自身的振荡周期，在本实验的太赫兹频率下对应皮秒量级。
此前尚未有团队在全光学条件下同时实现足够的调制强度和速度。
皮秒调制，损耗减半
这次实验的器件是三层堆叠结构：底层是锑化铟（InSb）半导体，中间是3微米厚的氮化硅绝缘层，顶层是光刻出的周期金条纹（条宽41微米、缝隙16微米，总周期约57微米），三者交界处形成等离激元腔。
表面等离激元是金属与绝缘体界面的电子集体振荡，能把光约束在远小于衍射极限的空间尺度。
这个特性让等离激元在紧凑光学器件方面有巨大潜力，但损耗一直是硬伤，大量光能在振荡过程中以热量形式耗散。
论文通讯作者、École Polytechnique助理教授Yannis Laplace在接受Laser Focus World采访时说，无损的等离激元平台将是紧凑光学器件的「game-changer」，因为可以享受空间约束带来的好处，而不必承受损耗的代价。
实验在HZDR的TELBE超辐射太赫兹源上完成，这是一台基于ELBE粒子加速器的大型设施。
强多周期太赫兹脉冲驱动超材料中的等离激元振荡至大振幅，通过非线性效应在时间上调制材料的反射率和共振频率。
三个关键指标：调制速度达皮秒时间尺度，在本实验的太赫兹频率下接近光自身振荡周期；载流子的动态有效质量相对平衡态有效质量的调制幅度约80%；等离激元损耗降低超50%。
调制强度和速度同时达标，是这次实验的突破点。
实验测得的太赫兹超材料时间响应，以及实验结果与模型的对照。
来源：研究团队论文预印本
距离激光还差多远？目前增益约为损耗的50%，损耗减半但尚未翻转为净放大。
研究者判断，缩小腔体尺寸并精调驱动参数（略微失谐加精确驱动强度），激光「在实验可及范围内」。
太赫兹频段在等一个好光源
太赫兹频段（约0.1到10 THz）处于电子技术和光子技术之间的空白地带，Laplace称之为「电子技术与光子技术之间的边界」。
电子路线在高频功率与效率上承压，光子路线在低频紧凑源与探测上受限，这个被称为「THz gap」的技术缺口存在了数十年。
应用场景的探索一直在推进。
太赫兹波光子能量低，属非电离辐射，在受控功率下已被研究用于安检成像和浅表无损检测；多种生物分子在太赫兹频段有特征共振，非侵入医学成像是另一个研究方向，但水吸收和穿透深度限制了临床推广。
在通信领域，ITU IMT-2030框架将100 GHz到1 THz列为潜在增量频谱的研究方向之一，但6G标准仍在早期定义阶段，并不必然需要光学激光源。
这些应用等待的共同前提是紧凑、可调谐的太赫兹相干源。
量子级联激光器（QCL）是当前太赫兹相干源的重要路线之一，在工作温度、频率覆盖和系统集成方面仍面临挑战。
光子时间晶体如果能走到净增益并进一步实现激光，将为太赫兹相干源提供一条基于不同物理机制的补充路径。
Laplace的展望是在太赫兹频段开发放大器、频率转换器、超快调制器，以及新型激光器。
据Laplace介绍，PTC中的非线性光学过程发生在光振荡周期本身的时间尺度上，如果未来能拓展到更高频段，有望显著加快信号处理速率。
三道工程化门槛
从这次实验到太赫兹应用，由近及远有三道门槛。
最近的一步是从损耗降低到净增益。
目前增益约为损耗的50%，需要进一步缩小腔体并优化驱动参数。
研究者判断这在实验上可行，团队的下一个目标就是突破激光阈值。
第二步是摆脱大型设施。
这次实验依赖HZDR的TELBE太赫兹源，是基于粒子加速器的大型装置。
走向应用需要紧凑的、可集成的泵浦源。
Laplace的时间线判断是「希望在未来几年内」实现太赫兹应用。
最远的一步是从太赫兹频段走向光通信波段。
太赫兹频率约1 THz，光通信波段约200 THz（1.55微米），中间隔着两个数量级的频率差距，很可能需要新的材料与调制架构。
光子时间晶体能走多远，取决于太赫兹实验能否在未来几年跨过净增益门槛。
但净增益只是第一步，从参数增益到可用的激光器，还需要解决腔设计、输出耦合、泵浦效率、线宽控制和长期稳定性等一系列工程问题。
如果这些门槛逐步跨过，太赫兹频段将多出一条基于时间调制的相干源路径。
太赫兹长期被称为「THz gap」，这篇Nature论文给出了一个新的物理平台，接下来几年的工程化进展将决定它能否从损耗工程走向器件原型。
本文信息来源于学术论文和公开报道。
全文不构成投资建议。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
