Wielofunkcyjna kodowana metasurfacia z ruchomymi elementami umożliwiająca rekonfigurowalne dyfrakcyjne sieci neuronowe

Budowanie mądrzejszych maszyn za pomocą światła i fal

Wiele współczesnej sztucznej inteligencji opiera się na energochłonnych układach elektronicznych. W artykule zaprezentowano zupełnie inną drogę: użycie starannie zaprojektowanych powierzchni do „myślenia” przy pomocy fal elektromagnetycznych. Poprzez fizyczne kształtowanie propagacji i rozpraszania mikrofal badacze tworzą sprzęt zdolny do rozpoznawania pisma odręcznego, projekcji hologramów, a nawet monitorowania oddechu — wszystko przy użyciu tych samych wielokrotnego użytku modułów.

Zestaw klocków do kontrolowania fal

Rdzeniem pracy jest nowy rodzaj „metasurfacy”, cienkiej płyty wzorzystej wieloma drobnymi metalowymi elementami, które potrafią zaginąć, opóźnić lub przepuścić fale elektromagnetyczne w precyzyjny sposób. Zamiast montować te elementy na stałe, zespół zaczerpnął pomysł ze starych ruchomych czcionek drukarskich: każda maleńka jednostka, czyli „meta-atom”, jest odłączalną płytką, którą można wtykać lub wyjmować jak modułowy klocek. Autorzy zaprojektowali osiem typów takich płytek, z których każda zapewnia inną fazową zmianę dla mikrofal w okolicach 14 gigaherców. Zatrzaskując setki takich płytek w siatce, można szybko przekształcić ten sam sprzęt w różne funkcjonalne urządzenia, podobnie jak przestawianie czcionek drukarskich do ułożenia nowej strony tekstu.

Przekształcanie metasurfacy w fizyczną sieć neuronową

Aby pokazać moc tej modułowej koncepcji, badacze ułożyli trzy takie rekonfigurowalne panele między maską wejściową a płaszczyzną wyjściową, tworząc to, co nazwali ruchomą rekonfigurowalną dyfrakcyjną siecią neuronową, czyli MT-RDNN. Tutaj, zamiast liczb w komputerze, mikrofalowe pole pełni rolę sygnału przepływającego przez warstwy. Wzór reprezentujący odręczną cyfrę jest wycięty w metalowej płycie; mikrofalowe pole przechodzące przez tę maskę następnie przechodzi przez trzy warstwy metasurfacy. Dokładne rozmieszczenie płytek w każdej warstwie znajduje się za pomocą treningu komputerowego, podobnie jak optymalizuje się konwencjonalną sieć neuronową. Po treningu fale naturalnie koncentrują energię w określonych regionach na wyjściu, z których każdy odpowiada jednej klasie cyfry.

Dostosowywanie do nowych zadań przez przemieszczanie płytek

Kluczową zaletą tego podejścia jest możliwość ponownego przeznaczenia sieci bez konieczności budowy od podstaw. Po przetrenowaniu warstw metasurfacy do rozpoznawania czterech odręcznych cyfr zespół dostosowuje ten sam sprzęt do klasyfikacji czterech liter alfabetu angielskiego. Zamiast rekonfigurować wszystkie płytki, pozostawiono bez zmian dwie pierwsze warstwy metasurfacy i zmieniono jedynie część płytek w ostatniej warstwie. Wykorzystując strategię transfer learningu na poziomie fizycznym, zachowano większość istniejącej struktury i dostrojono tylko niezbędne elementy. Skraca to zarówno czas treningu, jak i ręcznego przegrupowywania o ponad dwie trzecie, przy jednoczesnym osiągnięciu w eksperymentach ponad 92-procentowej dokładności zarówno przy rozpoznawaniu cyfr, jak i liter.

Od hologramów po bezkontaktowe monitory oddechu

Ta sama metasurfacia z ruchomymi elementami okazuje się również użyteczna jako samodzielna funkcjonalna warstwa. Przy pojedynczej warstwie płytek autorzy generują hologramy mikrofali — dwuwymiarowe rozkłady intensywności tworzące kształty, takie jak litera „T” czy logo przypominające „CM” na płaszczyźnie za powierzchnią. Optymalną konfigurację płytek obliczają za pomocą algorytmu opartego na pochodnych, maksymalizującego podobieństwo między żądanym wzorem a przewidywanym polem. W innym demonstratorze kierują i silnie skupiają mikrofalowe pole na klatce piersiowej osoby stojącej w pobliżu. Subtelne ruchy związane z oddychaniem modulują odbity sygnał, który następnie analizowany jest metodą przetwarzania sygnałów znaną jako wariacyjna dekompozycja modów (variational mode decomposition). W testach z dwoma różnymi ochotnikami stojącymi w różnych pozycjach metasurfacię rekonfigurowano tak, aby klatka piersiowa każdej osoby stawała się miejscem ogniskowania, co pozwoliło na dokładne, bezkontaktowe śledzenie częstości oddechu zgodne z odniesieniowym czujnikiem noszonym na ciele.

Dlaczego to ma znaczenie dla przyszłych inteligentnych urządzeń

Mówiąc prosto, praca pokazuje, jak pojedynczy, wielokrotnego użytku „chip falowy” zbudowany z wkładanych płytek można przestroić do bardzo różnych zadań — rozpoznawania obrazów, tworzenia hologramów czy wykrywania parametrów życiowych — po prostu przez przestawienie jego elementów. Mechaniczna rekonfiguracja jest wolniejsza niż przełączanie elektroniczne, ale dzięki zmianie tylko części płytek i zastosowaniu pomysłów z transfer learningu autorzy utrzymują koszty i wysiłek na rozsądnym poziomie. Ich podejście wskazuje drogę do elastycznego, energooszczędnego i adaptującego się sprzętu, który wykonuje część pracy sztucznej inteligencji bezpośrednio w fizyce fal, otwierając potencjalnie nowe ścieżki dla inteligentnych systemów komunikacyjnych, interaktywnych interfejsów i urządzeń monitorujących zdrowie.

Cytowanie: 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

Słowa kluczowe: metasurfacia, obliczenia optyczne, dyfrakcyjna sieć neuronowa, holografia, monitorowanie parametrów życiowych