Abstract High‐efficiency spatial light phase modulation with wide operating bandwidth is highly significant yet challenging. Dynamic metasurfaces leveraging active materials with tunable optical response provide a promising solution. Current work is generally confronted with restricted operation bandwidth and diminished modulation efficiency, constrained by the limited tunable range and inherent absorption of active materials particular at optical frequency. Recently, the emergence of lossless phase‐change material Sb 2 Se 3 has garnered widespread attention. Its unique characteristics, including near‐zero absorption at near‐infrared and a substantial refractive index contrast ≈0.93 during phase transition, enable the possibility of high‐performance spatial light modulation. Pioneering studies have validated the capability of lossless phase‐change metasurfaces for wavefront control, but are typically restricted to limited efficiency. Here, a hybrid phase‐change metasurface utilizing over‐coupled resonances supported by Sb 2 Se 3 nanoholes is proposed. For the first time in optical frequency, high‐efficiency 4‐level phase modulation covering over π range is experimentally demonstrated with a sizable operating bandwidth of 42 nm and a minimum reflectance of exceeding 0.5. Leveraging optically driven localized phase‐transition technique, dynamic beam deflection is further demonstrated. The work validates the tremendous potential of phase‐change metasurfaces in achieving advanced spatial light control, signifying significant progress for the development and application of phase‐change photonic devices.

In a few-mode erbium-doped fiber (FM-EDF), which is a key section in a space-division multiplexing (SDM) communication system, linearly polarized (LP) and orbital angular momentum (OAM) modes, as two-mode bases with different phase profiles, can be transformed into each other. In principle, the LP and OAM modes have a different mode spatial intensity distribution and a gain difference for FM-EDF amplifiers. How to analyze and characterize the differential mode-bases gain (DMBG) is important, but still an issue. We build, for the first time to our knowledge, a local analysis model composed of discrete elements of the FM-EDF cross section in areas of mode spatial intensity distribution azimuthal variation. Using the model of the two mode bases, analysis of local particle number distribution and detailed description of the local gain difference are realized, and the overall gain difference between the two mode bases is obtained. By building an amplifier system based on mode phase profile controlling, the gain of two mode bases is characterized experimentally. The measured DMBG is ∼0.8 dB in the second-order mode, which is consistent with the simulation result. This result provides a potential way to reduce the mode gain difference in the FM-EDF, which is important in improving the performance of the SDM communication system.

Ship detection and identification is the key part of the maritime monitoring and safety. Ship monitoring methods based on coastal video surveillance, satellite imagery, and synthetic aperture radar have been well developed. As the emerging remote sensing technology, distributed acoustic sensing (DAS) technology which continuously detects vibrations along underwater optical fiber cables facilitates all-weather, all-day, and real-time ship detection capabilities, possessing the potential for detecting dark ships. However, the reliance on expert knowledge for analyzing ship passage signals hinders the development of an automated framework for ship detection, limiting the application of DAS technology in the ship detection. Additionally, the scarcity of datasets for ship passage events in the DAS field hampers the adoption of deep learning technologies for enhancing ship detection. To address these challenges, an automatic annotation method is proposed, utilizing 18625 cleaned ship records based on the automatic identification system to annotate ship passages adaptively from 5-month DAS data. Thus a large-scale, high-quality annotated dataset named DAShip is established, containing 55875 ship passage samples. Furthermore, an online ship detection and identification framework is proposed to achieve real-time ship detection from the massive DAS data flow and further identify coarse-grained ship features, such as ship speed, heading, angle, and ship type. In this proposed framework, YOLO models, primarily trained on DAShip, are used as ship detectors and ship feature classifiers, achieving accurate dark ship detection combined with automatic identification system message and demonstrating competitive performance in ship feature classification.