מטא-משטח קידוד רב-תכליתי עם סוגי טיפוס נעים המאפשר רשתות עצביות דיפרקטיביות הניתנות להגדיר מחדש

לבניית מכונות חכמות יותר בעזרת אור וגלים

רוב הבינה המלאכותית של היום פועלת על שבבים אלקטרוניים שצורכים אנרגיה רבה. מאמר זה חוקר דרך שונה לגמרי: שימוש במשטחים שעוצבו בקפידה כדי לבצע עיבוד באמצעות גלי אלקטרומגנטיים עצמם. על‑ידי עיצוב פיזי של אופן התפשטות והפיזור של מיקרוגל, החוקרים יוצרים חומרה שיכולה לזהות כתב יד, להקרין הולוגרמות ואפילו לנטר נשימה — כל זאת באמצעות אבני בניין רב‑פעמיות זהות.

ערכת לגו לשליטה על גלים

בלב העבודה עומד סוג חדש של "מטא-משטח", פאנל דק עם דוגמה של אלמנטים מתכתיים זעירים שיכולים לכופף, לעכב או לשדר גלים אלקטרומגנטיים בצורה מדויקת. במקום לקבע את האלמנטים הללו בקביעות, הצוות שואב רעיון מהדפוס הקליגרפי העתיק: כל יחידה זעירה, או "מטא-אטום", היא בלוק ניתק שניתן להתקין או להסיר כמו לבנה מודולרית. המחברים מעצבים שמונה סוגי אריחים כאלה, שלכל אחד מהם עיכוב פאזה אחר עבור מיקרוגלים בסביבות 14 גיגה-הרץ. על ידי השחלה של מאות אריחים אלה במערך רשת, הם יכולים להרכיב במהירות מחדש את אותה חומרה למכשירים פונקציונליים שונים, כמו סידור מחדש של אישורי ההדפסה כדי ליצור דף טקסט חדש.

הפיכת מטא-משטחים לרשת עצבית פיזית

כדי להדגים עד כמה הרעיון המודולרי הזה חזק, החוקרים מציבים שלושה מהפאנלים הניתנים להגדרה מחדש בין מסכת קלט לבין מישור פלט, ויוצרים מה שהם קוראים לו רשת עצבית דיפרקטיבית ניתנת להגדיר מחדש בסגנון טיפוס נייד, או MT-RDNN. כאן, במקום מספרים במחשב, המיקרוגלים משמשים כאות שעובר דרך השכבות. תבנית המייצגת ספרה בכתב יד נחיתה גילפה לתוך פלטה מתכתית; המיקרוגלים העוברים דרך המסכה עוברים אז דרך שלוש שכבות המטא-משטח. הסידור המדויק של האריחים בכל שכבה נמצא באמצעות אימון מחשב, בדומה לאופן שבו מכוונת רשת עצבית רגילה. לאחר האימון, הגלים ממוקדים באופן טבעי לאזורים מסוימים בפלט, כאשר כל אזור מתאים למחלקה של ספרה אחת.

התאמה למשימות חדשות על ידי סידור מחדש של האריחים

יתרון מרכזי בגישה זו הוא שניתן להפוך את הרשת לשימושים אחרים מבלי לבנותה מחדש מאפס. לאחר אימון המטא-משטחים השכבתיים לזיהוי ארבע ספרות בכתב יד, הצוות מתאים את אותה חומרה לסיווג ארבע אותיות באנגלית במקום. במקום לשנות כל אריח, הם משאירים את שתי השכבות הראשונות ללא שינוי ומותאמים רק חלק מהאריחים בשכבה הסופית. באמצעות אסטרטגיית למידה להעברה ברמה הפיזית, הם שומרים על רוב המבנה הקיים ומכווננים רק את הנדרש. זה חותך הן את זמן האימון והן את זמן ההרכבה הידנית ביותר משני שלישים, ועדיין משיג דיוק גבוה מ‑92 אחוז בניסויים לזיהוי ספרות ואותיות.

מההולוגרמות למוניטורי נשימה ללא מגע

אותו מטא-משטח מסוג טיפוס נייד מוכיח עצמו גם כגיליון פונקציונלי עצמאי. בשכבה יחידה של אריחים, המחברים מייצרים הולוגרמות מיקרוגל — דפוסי עוצמה דו־ממדיים שיוצרים צורות כמו האות "T" או לוגו בסגנון "CM" במישור מאחורי המשטח. הם מחשבים את תצורת האריחים הטובה ביותר באמצעות אלגוריתם מבוסס שיפוע שממקסם את הדמיון בין התבנית הרצויה לשדה המנובא. בהדגמה נוספת הם מנווטים וממקדים בחוזקה מיקרוגלים אל חזה אדם העומד בקרבת מקום. תנועות עדינות הנגרמות על ידי נשימה מעצבות את האות המוחזרת, אשר מנותחת לאחר מכן באמצעות שיטת עיבוד אותות הידועה בשם decompose מצב ואריאציוני (variational mode decomposition). במבחנים עם שני מתנדבים בעמדות שונות, המטא-משטח מוגדר מחדש כך שחזה כל אדם הופך לנקודת המוקד, מה שמאפשר מעקב מדויק ללא מגע על קצב הנשימה שתואם חיישן לביש כהתייחסות.

מדוע זה חשוב למכשירים חכמים עתידיים

באופן פשוט, עבודה זו מראה כיצד "שבב גל" יחיד רב‑פעמי מבוסס אריחי תקע יכול להיות מכוון מחדש למשימות שונות — זיהוי תמונות, יצירת הולוגרמות או חישה של סימני חיים — על ידי סידור מחדש של חלקיו. תצורה מכנית איטית יותר מהחלפת מתגים אלקטרוניים, אך על ידי שינוי רק חלק קטן מהאריחים ושאיבת רעיונות מלמידת העברה, המחברים משאירים את העלות והמאמץ בסבירים. הגישה שלהם מצביעה על חומרה גמישה, חסכונית באנרגיה ומתאימה למשימות, שמבצעת חלק מעבודת הבינה המלאכותית ישירות בפיזיקת הגלים, ופותחת אפיקים חדשים לסוגים של מערכות תקשורת חכמות, ממשקי אינטראקציה ומכשירי מעקב בריאות.

ציטוט: 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

מילות מפתח: מטא-משטח, מחשוב אופטי, רשת עצבית דיפרקטיבית, הולוגרפיה, חישה של סימני חיים