Rete neurale diffrattiva magneto-ottica riconfigurabile con modulazione di fase ottica potenziata

Fotocamere intelligenti che pensano con la luce

Gli smartphone e le automobili più avanzati di oggi si affidano a chip energivori per riconoscere volti, leggere segnali stradali o individuare pedoni. Questo studio esplora un approccio molto diverso: anziché eseguire i calcoli su circuiti elettronici, lascia che sia la luce a svolgerli mentre attraversa un sottile film magnetico. Il risultato è un piccolo «cervello» ottico riprogrammabile in grado di classificare immagini rapidamente consumando pochissima energia, indicando la possibilità di future fotocamere che comprendono la scena nel momento stesso in cui la luce raggiunge i sensori.

Lasciare che sia la luce a calcolare

Le reti neurali convenzionali, che alimentano molte applicazioni di IA, funzionano su chip di silicio che spostano elettroni. Questo costa energia e richiede tempo. Al contrario, le reti neurali diffrattive usano strati trasparenti appositamente patternati in modo che la luce entrante si pieghi, interferisca e si distribuisca nella maniera giusta per eseguire lo stesso tipo di calcoli. Ogni piccolo punto su uno di questi strati agisce come un neurone, modificando la fase della luce—il modo in cui le sue onde si allineano—affinché diverse immagini in ingresso producano schemi di luminosità differenti in uscita.

Aggiungere il magnetismo per la flessibilità

Il limite dei precedenti progetti ottici è che, una volta fabbricati, i loro pattern sono per lo più fissi. Per cambiare il compito—dal leggere cifre scritte a mano all’individuare scarpe o camicie—spesso serve un nuovo dispositivo. Il team responsabile di questo lavoro costruisce invece lo strato chiave usando un film magneto-ottico, un materiale vetroso speciale i cui minuscoli domini magnetici ruotano la polarizzazione della luce che li attraversa. Questi domini possono essere scritti, cancellati e riscritti usando un laser e un campo magnetico, in modo analogo alla registrazione su un vecchio disco magneto-ottico. Questo rende la rete neurale ottica riconfigurabile: lo stesso pezzo di film può essere riprogettato in loco per nuovi compiti di riconoscimento.

Trasformare un effetto debole in un segnale forte

Da solo, il twist che il film magnetico imprime alla luce è piuttosto piccolo—molto meno di quanto possano ottenere i display a cristalli liquidi—quindi potrebbe sembrare troppo debole per costruire un calcolatore potente. Gli autori superano questo limite sfruttando un sottile effetto di diffrazione. Quando la luce polarizzata colpisce i domini magnetici patternati, parti diverse della luce uscente acquisiscono direzioni di polarizzazione tra loro perpendicolari. Posizionando un polarizzatore dopo il film, il sistema sopprime le parti del fascio poco cambiate e conserva per lo più la componente fortemente ruotata. Questo filtraggio intelligente aumenta molto il segnale utile senza richiedere grandi spostamenti di fase nel materiale stesso.

Dalle cifre agli articoli di moda

Per testare il loro progetto, i ricercatori hanno addestrato un singolo strato magneto-ottico, insieme al polarizzatore, a riconoscere immagini da set di benchmark standard. Nelle simulazioni al computer, il sistema ha classificato correttamente le cifre scritte a mano circa il 98 percento delle volte—simile a reti ottiche più complesse che richiedono un controllo di fase più forte. Ha poi gestito un set più difficile di immagini di abbigliamento con quasi l’89 percento di accuratezza quando sono stati utilizzati abbastanza piccoli «neuroni» magnetici. Il team ha quindi costruito una versione reale usando un film di granati contenenti bismuto e gallio, un laser verde e una fotocamera. Anche con imperfezioni pratiche, il dispositivo fisico ha raggiunto oltre l’83 percento di accuratezza per le cifre e il 71 percento per gli articoli di moda, e poteva passare da un compito all’altro semplicemente riscrivendo il pattern magnetico.

Verso fotocamere che percepiscono e decidono sul chip

In termini pratici, questo lavoro dimostra che un film magnetico sottile e riscrivibile può fungere da strato pensante di un sistema di IA ottica, nonostante ruoti la luce che lo attraversa in modo solo lieve. Disposizione intelligente di diffrazione e polarizzazione permette agli autori di estrarre una potente capacità di riconoscimento di pattern da proprietà materiali modeste. Poiché il dispositivo è compatto, non richiede energia per mantenere il suo stato magnetico e funziona a lunghezze d’onda visibili, un giorno potrebbe essere costruito direttamente sopra i sensori d’immagine. Tali fotocamere «edge» non si limiterebbero a catturare scene ma le interpretarebbero istantaneamente—riconoscendo cifre, oggetti o segnali stradali—consumando molto meno energia rispetto agli odierni processori digitali.

Citazione: Sakaguchi, H., Watanabe, K., Ikeda, J. et al. Reconfigurable magneto-optical diffractive neural network with enhanced optical phase modulation. Sci Rep 16, 8920 (2026). https://doi.org/10.1038/s41598-026-42193-9

Parole chiave: calcolo fotonico, reti neurali ottiche, materiali magneto-ottici, classificazione di immagini, hardware neuromorfico