Multifunctionele verplaatsbare lettertype-coderende metasurface die herschikbare diffractieve neurale netwerken mogelijk maakt

Slimmere machines bouwen met licht en golven

Het merendeel van de huidige kunstmatige intelligentie draait op energie-intensieve elektronische chips. Dit artikel onderzoekt een heel andere route: het gebruiken van zorgvuldig ontworpen oppervlakken om met elektromagnetische golven zelf te 'denken'. Door fysiek te sturen hoe microgolven zich voortplanten en verstrooien, creëren de onderzoekers hardware die handschrift kan herkennen, hologrammen kan projecteren en zelfs de ademhaling kan monitoren—en dat alles met dezelfde herbruikbare bouwstenen.

Een Lego-set om golven te beheersen

Centraal in het werk staat een nieuw soort “metasurface”, een dun paneel met een patroon van kleine metalen elementen die elektromagnetische golven precies kunnen buigen, vertragen of doorlaten. In plaats van deze elementen permanent vast te zetten, leent het team een idee uit de oude zetletterdruk: elk klein onderdeel, of “meta-atoom”, is een losklikbare tegel die in- of uitgenomen kan worden als een modulair blok. De auteurs ontwerpen acht typen van zulke tegels, elk met een andere fasedoorschuiving voor microgolven rond 14 gigahertz. Door honderden van deze tegels in een rooster te klikken, kunnen ze snel dezelfde hardware herschikken tot veel verschillende functionele apparaten, vergelijkbaar met het herschikken van drukletters om een nieuwe pagina tekst te vormen.

Metasurfaces veranderen in een fysiek neuraal netwerk

Om te laten zien hoe krachtig dit modulaire idee kan zijn, stapelen de onderzoekers drie van deze herschikbare panelen tussen een invoermasker en een uitvoervlak, waarmee ze een zogenaamd movable-type reconfigurable diffractive neural network (MT-RDNN) creëren. Hier fungeren microgolven, in plaats van getallen in een computer, als het signaal dat door lagen stroomt. Een patroon dat een handgeschreven cijfer voorstelt, is in een metalen plaat uitgesneden; microgolven die door dit masker gaan reizen vervolgens door de drie metasurface-lagen. De precieze rangschikking van tegels in elke laag wordt gevonden via computergestuurde training, vergelijkbaar met het optimaliseren van een conventioneel neuraal netwerk. Na training focussen de golven hun energie vanzelf op specifieke zones aan de uitgang, waarbij elke zone overeenkomt met één cijferklasse.

Aanpassen aan nieuwe taken door tegels te herschikken

Een belangrijk voordeel van deze aanpak is dat het netwerk hergebruikt kan worden zonder het volledig opnieuw op te bouwen. Nadat de gelaagde metasurfaces getraind zijn om vier handgeschreven cijfers te herkennen, past het team dezelfde hardware aan om in plaats daarvan vier Engelse letters te classificeren. In plaats van elke tegel te herconfigureren, laten ze de eerste twee metasurface-lagen ongewijzigd en stellen ze slechts een gedeelte van de tegels in de laatste laag bij. Met een transfer-learning strategie op fysiek niveau behouden ze het grootste deel van de bestaande structuur en verfijnen alleen wat nodig is. Dit verkort zowel de trainingstijd als de handmatige hersamengesteldtijd met meer dan twee derde, terwijl ze in experimenten nog steeds meer dan 92 procent nauwkeurigheid behalen voor zowel cijfer- als letterherkenning.

Van hologrammen tot contactloze ademhalingsmeters

Dezelfde verplaatsbare lettertype-metasurface blijkt ook bruikbaar als zelfstandig functioneel blad. Met één enkele laag tegels genereren de auteurs microgolf-hologrammen—tweedimensionale intensiteitspatronen die vormen zoals de letter “T” of een logo-achtig “CM” in een vlak achter het oppervlak. Ze berekenen de beste tegelconfiguratie met een gradiëntgebaseerd algoritme dat de overeenstemming tussen het gewenste patroon en het voorspelde veld maximaliseert. In een andere demonstratie sturen en focussen ze microgolven nauwkeurig op de borst van een nabijstaande persoon. Subtiele bewegingen door de ademhaling moduleren het gereflecteerde signaal, dat vervolgens geanalyseerd wordt met een signaalverwerkingsmethode bekend als variational mode decomposition. In tests met twee verschillende proefpersonen op verschillende posities wordt de metasurface zo geherconfigureerd dat ieders borst het brandpunt wordt, waardoor nauwkeurige, contactloze bewaking van de ademhalingsfrequentie mogelijk is die overeenkomt met een draagbare referentiesensor.

Waarom dit belangrijk is voor toekomstige intelligente apparaten

In eenvoudige bewoordingen toont dit werk aan hoe een enkele, herbruikbare “golf-chip” gemaakt van inklikbare tegels kan worden bijgestemd voor zeer verschillende taken—beeldherkenning, het vormen van hologrammen of het detecteren van vitale functies—gewoon door de onderdelen te herschikken. Mechanische herconfiguratie is trager dan het schakelen van elektronische schakelaars, maar door slechts een fractie van de tegels te veranderen en ideeën uit transfer learning te lenen, houden de auteurs zowel kosten als inspanning binnen de perken. Hun aanpak wijst op flexibele, energiezuinige en taak-adaptieve hardware die een deel van het werk van kunstmatige intelligentie direct in de fysica van golven uitvoert, en mogelijk nieuwe paden opent naar slimme communicatiesystemen, interactieve interfaces en gezondheidsbewakingsapparaten.

Bronvermelding: 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

Trefwoorden: metasurface, optisch rekenen, diffractief neuraal netwerk, holografie, vitale teken detectie