光計算以光子而非電子作為信息載體，以其高信息容量、低功耗、光速處理和大規(guī)模并行等特點，被廣泛認為是后摩爾時代的顛覆性計算技術(shù)。人們致力于通過對光波的（振幅、相位、偏振和頻率等）調(diào)控來構(gòu)建光學(xué)神經(jīng)計算架構(gòu)，有望在機器視覺、智能駕駛、智慧醫(yī)療和萬物互聯(lián)等領(lǐng)域取得重要應(yīng)用。由于傳統(tǒng)衍射光學(xué)元件的調(diào)控維度有限，目前的光衍射神經(jīng)網(wǎng)絡(luò)更多依靠光的相位調(diào)制進行功能設(shè)計，沒有實現(xiàn)全傅里葉參量（即光復(fù)振幅）的任意且獨立調(diào)控，而復(fù)振幅又是光網(wǎng)絡(luò)需要訓(xùn)練和學(xué)習(xí)的完整參數(shù)。

超表面，由平面亞波長結(jié)構(gòu)單元構(gòu)成，幾乎可以塑造任意的光波前。盡管超表面具有優(yōu)異的光波調(diào)控能力，但現(xiàn)有超表面復(fù)振幅調(diào)控方案又會帶來網(wǎng)絡(luò)神經(jīng)元密度降低或偏振轉(zhuǎn)化復(fù)雜等問題。因而如何設(shè)計高效、完全解耦、大空間密度、簡單偏振轉(zhuǎn)換的復(fù)振幅調(diào)控超表面單元來搭建高性能的衍射光神經(jīng)網(wǎng)絡(luò)架構(gòu)，仍然具有較大的挑戰(zhàn)性。

鑒于此，同濟大學(xué)物理科學(xué)與工程學(xué)院王占山教授和程鑫彬教授團隊，聯(lián)合湖南大學(xué) 段輝高教授團隊，利用雙折射和偏振旋轉(zhuǎn)設(shè)計原理實現(xiàn)了對振幅和相位獨立且任意調(diào)控的介質(zhì)超表面單元，并基于此實現(xiàn)了一種全傅里葉參量的光學(xué)超表面衍射神經(jīng)網(wǎng)絡(luò)（FONM），闡明了該架構(gòu)相比傳統(tǒng)的純相位型光學(xué)衍射神經(jīng)網(wǎng)絡(luò)在典型功能和場景下更具有優(yōu)勢。近日，相關(guān)研究成果“Full-Fourier-Component Tailorable Optical Neural Meta-Transformer”發(fā)表在Wiley旗下期刊《激光與光子學(xué)評論》（Laser & Photonics Reviews）上。文章通過仿真和實驗證明了：其作為分類器，F(xiàn)ONM提高了識別精度，特別是對于高頻特征較多的輸入；作為成像儀，它可以有效抑制輸出圖像的背景噪聲；作為編碼器時，還可以同時實現(xiàn)近場灰度納米打印和神經(jīng)全息的功能復(fù)用。

論文首先對比了傳統(tǒng)的衍射神經(jīng)網(wǎng)絡(luò)和FONM架構(gòu)，如圖1a所示，前者通過純相位（PO）調(diào)控來操縱衍射光場，因此網(wǎng)絡(luò)的輸出結(jié)果具有更多的高頻成分，且不可避免地受到環(huán)境噪聲影響。相比之下，F(xiàn)ONM旨在操縱光場的全傅里葉分量，可以提高成像質(zhì)量等性能，其架構(gòu)原理圖如圖1b所示。

圖片:E996616591727251727CEB86B58_84D1BF3B_1C00E.jpg?e=.jpg

圖1. (a)純相位光網(wǎng)絡(luò)和FONM對比，(b)三維架構(gòu)FONM成像儀

為了在FONM中實現(xiàn)任意且獨立的振幅和相位調(diào)制，文章采用矩形雙折射納米柱結(jié)構(gòu)，如圖2a所示。在x偏振光入射和y偏振光出射時，滿足振幅匹配

圖片:91DEEF4433376B34757471BAC1C_FADAE43B_F62.jpg?e=.jpg

圖片:2F33F9F44FDDD60A2E5D6534783_0E6EDF95_DB4.jpg?e=.jpg

圖片:7A0ED701A57FE08E08AD43BDEA2_DFECF578_B2E1.jpg?e=.jpg

圖2 .(a)超表面神經(jīng)元的結(jié)構(gòu)和工作偏振態(tài)，(b)振幅、相位匹配條件

作為概念驗證，首先將FONM設(shè)計為一個分類器，可以識別0到5的手寫數(shù)字，如圖3a所示。該器件是通過電子束直寫和原子層沉積工藝制作完成，其頂視和剖視SEM結(jié)果如圖3b所示。以數(shù)字“4”的輸入為例，測試了網(wǎng)絡(luò)的輸出，如圖3c所示，結(jié)果表明最大的光強被聚焦在對應(yīng)的正確區(qū)域，識別是成功的。

圖片:AF3931B72A8852B28215414C845_1A1D27A9_19519.jpg?e=.jpg

圖3. (a)手寫數(shù)字的FONM分類器示意圖，(b)FONM器件的SEM圖，(c)FONM測試的網(wǎng)絡(luò)輸出

此外，還展示了其處理另一類復(fù)雜問題(回歸問題)的能力，將提出的FONM架構(gòu)應(yīng)用于壓縮成像(圖4a)，并且將其與純相位網(wǎng)絡(luò)進行對比(圖4b)。發(fā)現(xiàn)FONM的輸出圖像具有更高的峰值信噪比和較低的背景噪聲，因而帶來更優(yōu)的成像質(zhì)量。而且該架構(gòu)還可以與光學(xué)非線性集成提高網(wǎng)絡(luò)的完整性并進一步提高性能，如圖4c所示。

圖片:952CAE2F7528AA034B3E7200339_54F0BFF2_1A5FC.jpg?e=.jpg

圖4. (a)FONM壓縮成像儀示意圖，(b)FONM與純相位網(wǎng)絡(luò)的成像對比，(c)FONM集成非線性的結(jié)果

進一步，將FONM作為一個編碼器分別編碼振幅和相位剖面，以生成兩幅圖像，并通過近場的納米打印和遠場的神經(jīng)全息展示，如圖5a所示。其實驗結(jié)果（5b）與仿真非常好的吻合。

圖片:092C9B1F0487F0020FF793CE8F7_F0080609_F24D.jpg?e=.jpg

圖5. (a)FONM編碼器示意圖，(b)實驗的納米打印和神經(jīng)全息

該工作設(shè)計并實驗展示了基于超表面的全傅里葉參量光學(xué)衍射神經(jīng)網(wǎng)絡(luò)，證明了其執(zhí)行三種基本類型任務(wù)的能力，即加密、分類和回歸。結(jié)果表明，與純相位型網(wǎng)絡(luò)相比，該架構(gòu)具有更好或更多的功能，為全參量光網(wǎng)絡(luò)提供了一種方案，可以擴展到許多光學(xué)應(yīng)用，包括機器視覺、信息安全等。

同濟大學(xué)博士后董思禹、湖南大學(xué)胡躍強副教授、湖南大學(xué)段輝高教授、同濟大學(xué)程鑫彬教授為論文共同通訊作者，同濟大學(xué)博士生羅栩豪和博士后董思禹為論文共同第一作者。對論文具有突出貢獻的合作者還包括同濟大學(xué)魏澤勇副教授和王占山教授。該研究工作得到了國家自然科學(xué)基金委員會、上海市教育委員會、上海市科學(xué)技術(shù)委員會、湖南省自然科學(xué)基金、中國博士后科學(xué)基金會等項目的支持。

論文鏈接：https://doi.org/10.1002/lpor.202300272