Métasurface codée à caractères mobiles multifonctionnelle permettant des réseaux neuronaux diffractifs reconfigurables

Construire des machines plus intelligentes avec la lumière et les ondes

La majeure partie de l’intelligence artificielle actuelle fonctionne sur des puces électroniques énergivores. Cet article explore une voie très différente : utiliser des surfaces soigneusement conçues pour « penser » avec les ondes électromagnétiques elles‑mêmes. En modelant physiquement la façon dont les micro-ondes voyagent et se dispersent, les chercheurs créent du matériel capable de reconnaître l’écriture manuscrite, de projeter des hologrammes et même de surveiller la respiration — le tout en utilisant les mêmes blocs réutilisables.

Un coffret de type Lego pour contrôler les ondes

Au cœur du travail se trouve un nouveau type de « métasurface », un panneau fin orné de nombreux petits éléments métalliques capables de dévier, retarder ou transmettre les ondes électromagnétiques de façon précise. Plutôt que de fixer ces éléments de manière permanente, l’équipe emprunte une idée à l’imprimerie à caractères mobiles : chaque unité minuscule, ou « méta‑atome », est une tuile détachable que l’on peut emboîter ou retirer comme un bloc modulaire. Les auteurs conçoivent huit types de ces tuiles, chacune introduisant un décalage de phase différent pour des micro‑ondes autour de 14 gigahertz. En assemblant des centaines de ces tuiles dans une grille, ils peuvent reconfigurer rapidement le même matériel en de nombreux dispositifs fonctionnels, un peu comme on réarrange des caractères d’imprimerie pour composer une nouvelle page de texte.

Transformer les métasurfaces en un réseau neuronal physique

Pour démontrer la puissance de cette idée modulaire, les chercheurs empilent trois de ces panneaux reconfigurables entre un masque d’entrée et un plan de sortie, créant ce qu’ils appellent un réseau neuronal diffractif reconfigurable à caractères mobiles, ou MT‑RDNN. Ici, au lieu de nombres dans un ordinateur, ce sont les micro‑ondes qui jouent le rôle du signal traversant les couches. Un motif représentant un chiffre manuscrit est découpé dans une plaque métallique ; les micro‑ondes traversant ce masque passent ensuite à travers les trois couches de métasurface. L’agencement précis des tuiles dans chaque couche est déterminé par un entraînement informatique, similaire à l’optimisation d’un réseau neuronal conventionnel. Après entraînement, les ondes concentrent naturellement leur énergie sur des régions spécifiques à la sortie, chaque région correspondant à une classe de chiffre.

S’adapter à de nouvelles tâches en réarrangeant les tuiles

Un avantage clé de cette approche est que le réseau peut être réaffecté sans être reconstruit à partir de zéro. Après avoir entraîné les métasurfaces en couches pour reconnaître quatre chiffres manuscrits, l’équipe adapte le même matériel pour classer quatre lettres anglaises. Plutôt que de reconfigurer toutes les tuiles, ils laissent intacts les deux premières couches de métasurface et n’ajustent qu’une portion des tuiles de la couche finale. En utilisant une stratégie d’apprentissage par transfert au niveau physique, ils conservent la majeure partie de la structure existante et affinent seulement ce qui est nécessaire. Cela réduit de plus des deux tiers le temps d’entraînement et de réassemblage manuel, tout en atteignant plus de 92 % de précision dans les expériences pour la reconnaissance des chiffres et des lettres.

Des hologrammes aux moniteurs de respiration sans contact

La même métasurface à caractères mobiles se révèle également utile comme feuille fonctionnelle autonome. Avec une seule couche de tuiles, les auteurs génèrent des hologrammes micro‑ondes — des motifs d’intensité bidimensionnels formant des formes telles que la lettre « T » ou un sigle rappelant « CM » sur un plan derrière la surface. Ils calculent la meilleure configuration de tuiles à l’aide d’un algorithme basé sur le gradient qui maximise la similarité entre le motif souhaité et le champ prédit. Dans une autre démonstration, ils dirigent et focalisent étroitement les micro‑ondes sur la poitrine d’une personne se tenant à proximité. Des mouvements subtils dus à la respiration modulent le signal réfléchi, qui est ensuite analysé par une méthode de traitement du signal connue sous le nom de décomposition modale variationnelle. Lors d’essais avec deux volontaires placés à différentes positions, la métasurface est reconfigurée pour que la poitrine de chaque personne devienne le point focal, permettant un suivi précis et sans contact du rythme respiratoire concordant avec un capteur portable de référence.

Pourquoi cela compte pour les dispositifs intelligents de demain

En termes simples, ce travail montre comment une seule « puce d’ondes » réutilisable, composée de tuiles enfichables, peut être réaccordée pour des tâches très différentes — reconnaître des images, former des hologrammes ou détecter des signes vitaux — simplement en réarrangeant ses éléments. La reconfiguration mécanique est plus lente que l’activation de commutateurs électroniques, mais en ne changeant qu’une fraction des tuiles et en s’inspirant de l’apprentissage par transfert, les auteurs maintiennent coûts et efforts à un niveau raisonnable. Leur approche ouvre la voie à du matériel flexible, à faible consommation et adaptable aux tâches, qui réalise une partie du travail de l’intelligence artificielle directement dans la physique des ondes, et pourrait permettre de nouveaux types de systèmes de communication intelligents, d’interfaces interactives et d’appareils de surveillance de la santé.

Citation: 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

Mots-clés: métasurface, informatique optique, réseau neuronal diffractif, holographie, détection des signes vitaux