帖子
勛章
關注
任務
同濟大學實現光學超表面的全傅里葉衍射神經網絡 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。人們致力于通過對光波的（振幅、相位、偏振和頻率等）調控來構建光學神經計算架構，有望在機器視覺、智能駕駛、智慧醫(yī)療和萬物互聯等領域取得重要應用。由于傳統衍射光學元件的調控維度有限，目前的光衍射神經網絡更多依靠光的相位調制進行功能設計，沒有實現全傅里葉參量（即光復振幅）的任意且獨立調控，而復振幅又是光網絡需要訓練和學習的完整參數。 超表面，由平面亞波長結構單元構成，幾乎可以塑造任意的光波前。盡管超表面具有優(yōu)異的光波調控能力，但現有超表面復振幅調控方案又會帶來網絡神經元密度降低或偏振轉化復雜等問題。因而如何設計高效、完全解耦、大空間密度、簡單偏振轉換的復振幅調控超表面單元來搭建高性能的衍射光神經網絡架構，仍然具有較大的挑戰(zhàn)性。 鑒于此，同濟大學物理科學與工程學院王占山教授和程鑫彬教授團隊，聯合湖南大學 段輝高教授團隊，利用雙折射和偏振旋轉設計原理實現了對振幅和相位獨立且任意調控的介質超表面單元，并基于此實現了一種全傅里葉參量的光學超表面衍射神經網絡（FONM），闡明了該架構相比傳統的純相位型光學衍射神經網絡在典型功能和場景下更具有優(yōu)勢。近日，相關研究成果“Full-Fourier-Component Tailorable Optical Neural Meta-Transformer”發(fā)表在Wiley旗下期刊《激光與光子學評論》（Laser & Photonics Reviews）上。文章通過仿真和實驗證明了：其作為分類器，FONM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，還可以同時實現近場灰度納米打印和神經全息的功能復用。 論文首先對比了傳統的衍射神經網絡和FONM架構，如圖1a所示，前者通過純相位（PO）調控來操縱衍射光場，因此網絡的輸出結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，FONM旨在操縱光場的全傅里葉分量，可以提高成像質量等性能，其架構原理圖如圖1b所示。  圖1. (a)純相位光網絡和FONM對比，(b)三維架構FONM成像儀 為了在FONM中實現任意且獨立的振幅和相位調制，文章采用矩形雙折射納米柱結構，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2 .(a)超表面神經元的結構和工作偏振態(tài)，(b)振幅、相位匹配條件 作為概念驗證，首先將FONM設計為一個分類器，可以識別0到5的手寫數字，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結果如圖3b所示。以數字“4”的輸入為例，測試了網絡的輸出，如圖3c所示，結果表明最大的光強被聚焦在對應的正確區(qū)域，識別是成功的。  圖3. (a)手寫數字的FONM分類器示意圖，(b)FONM器件的SEM圖，(c)FONM測試的網絡輸出 此外，還展示了其處理另一類復雜問題(回歸問題)的能力，將提出的FONM架構應用于壓縮成像(圖4a)，并且將其與純相位網絡進行對比(圖4b)。發(fā)現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)的成像質量。而且該架構還可以與光學非線性集成提高網絡的完整性并進一步提高性能，如圖4c所示。  圖4. (a)FONM壓縮成像儀示意圖，(b)FONM與純相位網絡的成像對比，(c)FONM集成非線性的結果 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全息展示，如圖5a所示。其實驗結果（5b）與仿真非常好的吻合。  圖5. (a)FONM編碼器示意圖，(b)實驗的納米打印和神經全息 該工作設計并實驗展示了基于超表面的全傅里葉參量光學衍射神經網絡，證明了其執(zhí)行三種基本類型任務的能力，即加密、分類和回歸。結果表明，與純相位型網絡相比，該架構具有更好或更多的功能，為全參量光網絡提供了一種方案，可以擴展到許多光學應用，包括機器視覺、信息安全等。 同濟大學博士后董思禹、湖南大學胡躍強副教授、湖南大學段輝高教授、同濟大學程鑫彬教授為論文共同通訊作者，同濟大學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基金委員會、上海市教育委員會、上海市科學技術委員會、湖南省自然科學基金、中國博士后科學基金會等項目的支持。 論文鏈接：https://doi.org/10.1002/lpor.202300272 |
最新評論
-
jeremiahchou 2023-11-01 19:18該工作設計并實驗展示了基于超表面的全傅里葉參量光學衍射神經網絡，證明了其執(zhí)行三種基本類型任務的能力，即加密、分類和回歸。結果表明，與純相位型網絡相比，該架構具有更好或更多的功能，為全參量光網絡提供了一種方案，可以擴展到許多光學應用，包括機器視覺、信息安全等。
-
wangjin001x 2023-11-01 20:20同濟大學實現光學超表面的全傅里葉衍射神經網絡
-
sac 2023-11-01 22:02傅里葉衍射
-
kkkkzzzz 2023-11-02 17:35光學超表面的研究