Metasuperficie codificata a caratteri mobili multifunzionale che abilita reti neurali diffrattive riconfigurabili

Costruire macchine più intelligenti con luce e onde

Gran parte dell’intelligenza artificiale odierna gira su chip elettronici ad alto consumo energetico. Questo articolo esplora una strada molto diversa: usare superfici progettate con cura per far «pensare» le onde elettromagnetiche stesse. Modellando fisicamente come le microonde viaggiano e si diffondono, i ricercatori creano hardware capace di riconoscere la scrittura manuale, proiettare ologrammi e persino monitorare la respirazione—il tutto usando gli stessi blocchi riutilizzabili.

Un set di mattoncini per controllare le onde

Al centro del lavoro c’è un nuovo tipo di «metasuperficie», un pannello sottile composto da numerosi piccoli elementi metallici che possono deviare, ritardare o trasmettere onde elettromagnetiche in modi precisi. Invece di fissare permanentemente questi elementi, il team prende ispirazione dalla stampa a caratteri mobili: ogni unità, o «meta-atomo», è una tessera staccabile che può essere inserita o estratta come un blocco modulare. Gli autori progettano otto tipi di queste tessere, ciascuna delle quali introduce un differente ritardo di fase per le microonde intorno ai 14 gigahertz. Inserendo a centinaia queste tessere su una griglia, possono riconfigurare velocemente lo stesso hardware in molti dispositivi funzionali diversi, come si riorganizzano i tipi per comporre una nuova pagina di testo.

Trasformare le metasuperfici in una rete neurale fisica

Per dimostrare la potenza di questa idea modulare, i ricercatori impilano tre di questi pannelli riconfigurabili tra una maschera d’ingresso e un piano di uscita, creando ciò che chiamano una rete neurale diffrattiva riconfigurabile a caratteri mobili, o MT-RDNN. Qui, al posto dei numeri in un computer, sono le microonde il segnale che scorre attraverso gli strati. Un motivo che rappresenta una cifra scritta a mano è ricavato in una lastra metallica; le microonde che attraversano questa maschera poi passano attraverso i tre strati di metasuperficie. La precisa disposizione delle tessere in ciascuno strato viene determinata tramite addestramento al computer, in modo analogo all’ottimizzazione di una rete neurale convenzionale. Dopo l’addestramento, le onde concentrano naturalmente la loro energia su regioni specifiche all’uscita, ciascuna corrispondente a una classe di cifra.

Adattarsi a nuovi compiti riorganizzando le tessere

Un vantaggio chiave di questo approccio è che la rete può essere riutilizzata senza doverla ricostruire da zero. Dopo aver addestrato le metasuperfici stratificate a riconoscere quattro cifre scritte a mano, il team adatta lo stesso hardware per classificare quattro lettere dell’alfabeto inglese. Invece di riconfigurare ogni singola tessera, mantengono inalterati i primi due strati di metasuperficie e modificano solo una porzione delle tessere nell’ultimo strato. Usando una strategia di transfer learning a livello fisico, preservano la maggior parte della struttura esistente e affinano solo ciò che è necessario. Questo riduce sia i tempi di addestramento sia il lavoro manuale di riassemblaggio di oltre due terzi, pur raggiungendo oltre il 92% di accuratezza negli esperimenti sia per il riconoscimento delle cifre sia delle lettere.

Dagli ologrammi ai monitor respiratori senza contatto

La stessa metasuperficie a caratteri mobili si rivela utile anche come foglio funzionale autonomo. Con un singolo strato di tessere, gli autori generano ologrammi a microonde—pattern di intensità bidimensionali che formano forme come la lettera «T» o un motivo simile a un logo «CM» su un piano dietro la superficie. Calcolano la migliore configurazione di tessere usando un algoritmo basato sul gradiente che massimizza la somiglianza tra il pattern desiderato e il campo previsto. In un’altra dimostrazione, dirigono e concentrano strettamente le microonde sul torace di una persona in piedi nelle vicinanze. Piccoli movimenti dovuti alla respirazione modulano il segnale riflesso, poi analizzato con un metodo di elaborazione del segnale noto come decomposizione modale variazionale. Nei test con due volontari in posizioni diverse, la metasuperficie viene riconfigurata in modo che il torace di ciascuna persona diventi il punto focale, permettendo un tracciamento accurato e senza contatto della frequenza respiratoria che corrisponde a un sensore di riferimento indossabile.

Perché questo conta per i dispositivi intelligenti del futuro

Semplificando, questo lavoro mostra come un singolo «chip d’onda» riutilizzabile, composto da tessere innestabili, può essere ritunato per compiti molto diversi—riconoscere immagini, formare ologrammi o rilevare i segni vitali—semplicemente riorganizzandone i pezzi. La riconfigurazione meccanica è più lenta rispetto all’attivazione di interruttori elettronici, ma cambiando solo una frazione delle tessere e applicando concetti di transfer learning, gli autori mantengono contenuti sia i costi sia lo sforzo. Il loro approccio indica la strada verso hardware flessibile, a basso consumo e adattabile al compito che svolge parte del lavoro dell’intelligenza artificiale direttamente nella fisica delle onde, aprendo potenzialmente nuove vie per sistemi di comunicazione intelligenti, interfacce interattive e dispositivi di monitoraggio sanitario.

Citazione: 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

Parole chiave: metasuperficie, calcolo ottico, rete neurale diffrattiva, olografia, rilevamento dei segni vitali