自旋角动量是基本粒子和场的一个基本的动力学物理量，它在光与物质相互作用中扮演着极其重要的角色。在光学研究中，光的自旋角动量与圆极化密切相关，通过研究光学自旋与物质或结构的相互作用产生了许多新颖有趣的光学现象和光学应用，并诞生了自旋光学这一新兴学科。过去的研究中，研究人员主要聚焦在与平均波矢方向平行的纵向光学自旋。近年来，科研人员通过研究限制场如聚焦波、导波和倏逝波等的自旋轨道耦合性质，发现了一类新型的光学自旋，这类自旋与平均波矢方向垂直，因此被称为光学横向自旋。横向自旋具有自旋动量绑定的性质，一经发现便受到研究人员的广泛关注。横向自旋的发现拓展了光学自旋轨道相互作用的内容，并在光学操纵、光学精密检测、手性量子光学和光学自旋拓扑态等领域具有广阔的应用前景。本文从理论、实验技术和应用3个方面详细介绍自旋光学的最新进展。自旋光学的理论概念和框架可为研究人员进一步开拓基于光学自旋在光学成像、光学探测、光通信和量子技术等领域的应用发挥巨大的作用，同时也可拓展到一般经典波场，比如流体波、声波和引力波等。

最近阿秒钟实验中的隧穿延迟现象引起了人们对电子隧穿过程的非绝热性和隧穿时间的讨论。在强场条件下电子的隧穿延迟通常可以用Keldysh参数来预测，然而在少周期含包络正交偏振双色激光场作用下，Keldysh参数对隧穿延迟时间的预测与数值模拟结果不符，此时电子隧穿初始动量与隧穿过程中消耗的能量是影响隧穿延迟现象的重要因素。因此，有必要对上述激光场作用下两种因素对瞬时电离概率的影响进行讨论。通过改变正交偏振双色激光场强比以及相位差的方式，将它们对隧穿延迟时间的影响差异化，实现了对隧穿延迟时间的调控。最后，通过比较两者随电离时间的变化规律确定了少周期含包络正交双色激光场中隧穿耗能在隧穿延迟时间影响因素中的主导地位。这些发现有助于量化分析非绝热隧穿延迟时间，并为调控超快非绝热隧穿电离过程提供新思路。

为了研究动量下传大风的特征、探讨动量下传大风的预报方法, 利用美国国家环境预报中心(NCEP)再分析资料、常规气象观测资料和测风激光雷达(LiDAR)资料, 对银川机场2022-03-06动量下传大风过程进行了分析。结果表明, 银川机场位于西风急流入口左侧的辐合区, 为动量下传大风的发生提供了有利的环流背景,在晴空条件下, 测风激光雷达产品可以精准探测动量下传大风的时空演变特征; 多普勒光束摆动(DBS)模式产品中强下沉气流标志动量下传开始, 平面位置显示(PPI)模式探测范围的衰减程度和变化方位反映了沙尘天气强度和影响路径, 距离高度显示(RHI)模式500 m高度径向风分层现象的出现及被破坏是动量下传变化的预报指标; 利用测风激光雷达可提前30 min计算和预报出动量下传大风的出现时间。该研究对提高气象服务保障能力具有重要意义。

面向数字图像识别，使用光学器件构建基于快速傅里叶变换（FFT）的光学神经网络（ONN），其中的线性光学处理单元由马赫-曾德尔干涉仪（MZI）实现。这些MZI以网格状布局连接，对通过的光信号进行调制，实现乘法和加法，从而实现对图像的分类识别。针对该ONN对手写数字图像进行识别出现的问题，研究训练算法中的主要超参数即动量系数和学习率对网络性能的影响。首先比较不同学习率下随机梯度下降（SGD）、均方根传递（RMSprop）、适应性矩估计（Adam）和自适应梯度（Adagrad）4种训练算法结合不同非线性函数和不同隐藏层个数后，ONN在识别手写数字图像上的表现。实验结果显示：在学习率从0.5变化到5×10^-5、RMSprop训练算法下，具有2个隐藏层、非线性函数为Softplus的FFT型ONN具有最高的识别精确度，达97.4%。此外，着重分析在具有不同动量系数的SGD算法结合不同非线性函数和不同隐藏层个数时ONN对手写数字图像识别的准确率、运行内存和训练时间的影响。进一步，在学习率为0.05和0.005时，比较了SGD、RMSprop训练算法以及各自在引入动量后的网络识别性能。实验结果显示：动量系数为0时，采用SGD算法训练的具有2个隐藏层、非线性函数为Softplus的ONN的识别精度为96%，动量系数为0.9时，ONN的识别精度提高到96.9%；而加入动量的RMSprop算法会导致网络识别准确率不收敛或收敛较慢。

提出基于平顶复合光脉冲构建大动量原子干涉仪的方案。利用大动量原子干涉仪灵敏度函数解析模型，对大动量原子干涉仪的对比度和相位噪声进行分析。将平顶复合光脉冲应用于原子干涉仪进行仿真计算，结果表明平顶光相比高斯光可提高原子团跃迁的一致性，增加原子干涉条纹的对比度。通过设计对称反向的复合脉冲序列，抑制多脉冲作用过程中相位噪声和振动噪声的干扰。数值仿真结果表明，相比高斯光脉冲，使用平顶复合光脉冲的大动量原子干涉仪的灵敏度提高了1个量级，同时具有较好的抑制环境噪声的能力。

报道了强激光脉冲电离氢原子诱导的花篮状动量谱（PMDs）的数值模拟研究。采用强场近似理论（SFA）和鞍点近似算法模拟计算了不同激光强度条件下的花篮状动量谱。数值模拟结果表明，花篮状干涉结构电子动量谱源于三种干涉条纹的相互干涉叠加，这三种干涉条纹分别是半圆状阈上电离（ATI）干涉条纹和两种左右对称的周期内干涉（ICI）条纹。后者的干涉条纹随着激光强度的增加而单调变密。依据经典作用相位，深入研究了阈上电离干涉结构和周期内干涉结构的特点，提出了定量描述这两类干涉条纹结构的解析式，所提解析式可以很好地刻画干涉条纹的性质。此外，类比于传统坐标空间的多缝干涉，本文给出了动量空间三缝干涉诱导花篮状动量谱的直观物理图像，该图像有助于理解电子波包干涉的微观机理。

为了解决采用极限学习机(ELM)神经网络室内可见光定位方法存在误差较大、网络模型训练时间较长、结果稳定性较差等缺点, 采用稀疏训练指纹库, 融合多目标动量粒子群算法(MMPSO), 结合ELM室内可见光定位方法, 形成MMPSO-ELM方案, 引入动量因子, 避免迭代过程中过度振荡, 加快系统收敛速度。在不同的定位空间内随机选取训练数据集方式, 在测试点数量不同的情况下, 将本方案与后向传播(BP)、ELM以及PSO-ELM 3种定位算法进行了比较。结果表明,MMPSO-ELM方案在20组训练数据条件下, 对80组待定位点进行预测定位, 定位误差最大为0.0225m, 最小误差为0.00093m, 平均定位误差低至0.00143m, 且定位性能受定位空间大小影响较小; MMPSO-ELM可见光定位方案具有定位精度高、速度快、泛化性强等优点。该研究为在室内场所实现快速准确定位提供了理论支撑。