用全光神经网络打造的高效信息处理器

全光信息处理以光子为载体，具有高速、低能耗和大规模并行等优势，是现代计算系统的重要方向。衍射深度神经网络（D2NN）作为自由空间平台，结合深度学习设计衍射表面，已实现图像分类、逻辑运算等功能。但现有D2NN多局限于特定方向（正向或反向），难以实现双向多功能，成为一大挑战。

为此，研究团队提出定向衍射深度神经网络（D-D2NN），通过将光波传播方向编码到D2NN中，引入新的自由度以提升信息处理容量。该网络采用三个自旋解耦超表面作为隐藏层，超表面能在亚波长尺度操控电磁波，通过同时控制几何相位和传播相位，实现方向相关的多功能性。其工作原理是：每个超表面可独立控制正向和反向传播时的相位调制，通过深度学习算法（如误差反向传播、随机梯度下降）训练相位分布，使正向和反向通道具备互不关联的功能。

关键实验结果包括：1. 双通道图像分类器：在太赫兹波段（0.7 THz），正向通道利用MNIST数据集识别手写数字（6、7、8），反向通道通过Fashion-MNIST数据集分类时尚产品（运动鞋、外套、裤子），模拟和实验准确率分别达96.2%/98.5%和93.3%/93.3%。2. 四通道类计算处理器：通过改变超表面层间距，实现加、减、乘、除类功能。例如输入“62”，正向/反向间距为d1时输出“8”（加）/“4”（减），间距为d2时输出“12”（乘）/“3”（除），实验结果与模拟基本一致。3. 大容量信息加密：将目标信息分入四个方向-间距通道，需四组密钥解码。如输入数字“7”，四通道解码出“M”“E”“T”“A”，组合为“META”；仅拦截部分通道无法获取完整信息，提升了加密安全性。

该D-D2NN突破传统D2NN方向局限，利用超表面的紧凑性和多功能性，为大规模并行处理、模式识别、信息安全等领域提供新方案。未来有望扩展至红外和可见光波段，结合空间光调制器和相机实现实时处理，推动智能光计算系统发展。