Metasuperficie codificadora de tipos móviles multifuncional que habilita redes neuronales difractivas reconfigurables

Construir máquinas más inteligentes con luz y ondas

Gran parte de la inteligencia artificial actual funciona en chips electrónicos que consumen mucha energía. Este artículo explora una ruta muy distinta: usar superficies cuidadosamente diseñadas para «pensar» con las propias ondas electromagnéticas. Al moldear físicamente cómo viajan y se dispersan las microondas, los investigadores crean hardware que puede reconocer escritura a mano, proyectar hologramas e incluso monitorizar la respiración —todo usando los mismos bloques reutilizables.

Un juego de Lego para controlar ondas

En el centro del trabajo está un nuevo tipo de «metasuperficie», un panel delgado con muchos elementos metálicos diminutos que pueden desviar, retrasar o transmitir ondas electromagnéticas con gran precisión. En lugar de fijar esos elementos de forma permanente, el equipo toma prestada una idea de la antigua impresión tipográfica móvil: cada unidad diminuta, o «meta-átomo», es una baldosa desmontable que se puede enchufar o extraer como un bloque modular. Los autores diseñan ocho tipos de esas baldosas, cada una proporcionando un distinto retraso de fase a microondas alrededor de 14 gigahercios. Al encajar cientos de estas baldosas en una rejilla, pueden reensamblar rápidamente el mismo hardware para muchas funciones distintas, del mismo modo que se reorganizan tipos de imprenta para componer una nueva página de texto.

Convertir metasuperficies en una red neuronal física

Para demostrar el potencial de esta idea modular, los investigadores apilan tres de estos paneles reconfigurables entre una máscara de entrada y un plano de salida, creando lo que denominan una red neuronal difractiva reconfigurable de tipos móviles, o MT-RDNN. Aquí, en lugar de números en un ordenador, las microondas actúan como la señal que fluye a través de capas. Un patrón que representa un dígito escrito a mano se recorta en una placa metálica; las microondas que pasan por esta máscara viajan luego por las tres capas de la metasuperficie. La disposición precisa de las baldosas en cada capa se encuentra mediante entrenamiento por ordenador, de forma similar a como se optimiza una red neuronal convencional. Tras el entrenamiento, las ondas enfocan su energía de forma natural hacia regiones específicas en la salida, cada una correspondiente a una clase de dígito.

Adaptarse a nuevas tareas reorganizando baldosas

Una ventaja clave de este enfoque es que la red puede reutilizarse sin reconstruirla desde cero. Tras entrenar las metasuperficies en capas para reconocer cuatro dígitos manuscritos, el equipo adapta el mismo hardware para clasificar cuatro letras del alfabeto inglés. En lugar de reconfigurar cada baldosa, mantienen inalteradas las dos primeras capas de la metasuperficie y solo ajustan una porción de las baldosas en la capa final. Empleando una estrategia de aprendizaje por transferencia a nivel físico, preservan la mayor parte de la estructura existente y afinan solo lo necesario. Esto reduce tanto el tiempo de entrenamiento como el de reensamblaje manual en más de dos tercios, logrando al mismo tiempo una precisión superior al 92 por ciento en experimentos para reconocimiento de dígitos y letras.

De hologramas a monitores de respiración sin contacto

La misma metasuperficie de tipos móviles también resulta útil como una hoja funcional independiente. Con una sola capa de baldosas, los autores generan hologramas en microondas —patrones de intensidad bidimensionales que forman figuras como la letra «T» o un «CM» tipo logo en un plano tras la superficie. Calculan la mejor configuración de baldosas mediante un algoritmo basado en gradiente que maximiza la similitud entre el patrón deseado y el campo predicho. En otra demostración, dirigen y enfocan estrechamente las microondas hacia el pecho de una persona situada cerca. Los movimientos sutiles causados por la respiración modulan la señal reflejada, que se analiza usando un método de procesamiento de señal conocido como descomposición modal variacional. En pruebas con dos voluntarios en distintas posiciones, la metasuperficie se reconfigura para que el punto focal coincida con el pecho de cada persona, permitiendo un seguimiento sin contacto de la frecuencia respiratoria que concuerda con un sensor de referencia portátil.

Por qué esto importa para futuros dispositivos inteligentes

En términos sencillos, este trabajo muestra cómo un único «chip de ondas» reutilizable hecho de baldosas enchufables puede retunearse para tareas muy distintas —reconocer imágenes, formar hologramas o detectar signos vitales— simplemente reorganizando sus piezas. La reconfiguración mecánica es más lenta que cambiar interruptores electrónicos, pero al modificar solo una fracción de las baldosas y aplicar ideas del aprendizaje por transferencia, los autores mantienen tanto el coste como el esfuerzo en niveles razonables. Su enfoque apunta hacia hardware flexible, de bajo consumo y adaptable a tareas, que realiza parte del trabajo de la inteligencia artificial directamente en la física de las ondas, abriendo potencialmente caminos a nuevos tipos de sistemas de comunicación inteligentes, interfaces interactivas y dispositivos de monitorización de la salud.

Cita: Yu, Z., Li, X., Gu, Z. et al. Multifunctional movable-type coding metasurface enabling reconfigurable diffractive neural networks. Light Sci Appl 15, 127 (2026). https://doi.org/10.1038/s41377-026-02216-6

Palabras clave: metasuperficie, computación óptica, red neuronal difractiva, holografía, detección de signos vitales