Многофункциональная кодирующая метаповерхность со сменными элементами, обеспечивающая перенастраиваемые дифракционные нейронные сети

Создание более умных устройств с помощью света и волн

Большая часть современных систем искусственного интеллекта работает на энергоёмких электронных чипах. В этой статье рассматривается принципиально иной подход: использование специально спроектированных поверхностей для «мышления» самими электромагнитными волнами. Физически управляя тем, как микроволны распространяются и рассеиваются, исследователи создают аппаратную среду, способную распознавать почерк, проецировать голограммы и даже отслеживать дыхание — всё это с использованием одних и тех же многоразовых блоков.

Набор конструктора для управления волнами

В основе работы — новый тип «метаповерхности», тонкая панель с множеством мелких металлических элементов, которые могут преломлять, задерживать или пропускать электромагнитные волны с высокой точностью. Вместо того чтобы фиксировать эти элементы на месте, команда заимствует идею из древней печати со сменными литерами: каждый малый элемент, или «мета-атом», является съёмной плиткой, которую можно вставлять или вынимать, как модульный блок. Авторы спроектировали восемь типов таких плиток, каждая из которых даёт различную фазовую задержку микроволн в области примерно 14 гигагерц. Собирать сотни таких плиток в сетку позволяет быстро перестраивать одно и то же устройство в разные функциональные конфигурации, подобно тому как переставляют набор букв для набора новой страницы текста.

Преобразование метаповерхностей в физическую нейронную сеть

Чтобы продемонстрировать силу этой модульной идеи, исследователи складывают три таких перенастраиваемых панели между входной маской и выходной плоскостью, создавая то, что они называют переносной перенастраиваемой дифракционной нейронной сетью (movable-type reconfigurable diffractive neural network, MT-RDNN). Здесь, вместо чисел в компьютере, сигналом являются микроволны, проходящие через слои. Шаблон, представляющий рукописную цифру, вырезан в металлической пластине; микроволны, проходящие через эту маску, затем распространяются через три слоя метаповерхности. Точная расстановка плиток в каждом слое определяется с помощью компьютерной тренировки, аналогично оптимизации в традиционной нейронной сети. После обучения волны естественным образом фокусируют энергию в определённых областях на выходе, причём каждая область соответствует одному классу цифр.

Адаптация к новым задачам путём перестановки плиток

Ключевое преимущество этого подхода состоит в том, что сеть можно перенастроить без полной перепрессовки оборудования. После обучения многослойной метаповерхности распознаванию четырёх рукописных цифр команда адаптирует то же оборудование для классификации четырёх английских букв. Вместо перенастройки всех плиток они оставляют первые два слоя метаповерхности неизменными и меняют лишь часть плиток в финальном слое. Используя стратегию переносного обучения на физическом уровне, они сохраняют основную структуру и донастраивают только необходимое. Это сокращает как время обучения, так и время ручной сборки более чем на две трети, при этом в экспериментах достигается точность выше 92% как для распознавания цифр, так и для букв.

От голограмм до бесконтактных датчиков дыхания

Та же самая метаповерхность со сменными элементами оказывается полезной и как самостоятельный функциональный лист. В один слой плиток авторы формируют микроволновые голограммы — двумерные распределения интенсивности, создающие фигуры, такие как буква «T» или логотипоподобное «CM» на плоскости за поверхностью. Оптимальную конфигурацию плиток вычисляют градиентным алгоритмом, максимизирующим сходство между желаемым паттерном и предсказанным полем. В другом эксперименте они направляют и плотно фокусируют микроволны на грудную клетку человека, стоящего рядом. Едва заметные движения, вызванные дыханием, модулируют отражённый сигнал, который затем анализируют с помощью метода обработки сигналов, известного как вариационное модальное разложение. В тестах с двумя добровольцами в разных положениях метаповерхность перенастроена так, чтобы грудная клетка каждого человека становилась фокальной точкой, что позволяет точно, бесконтактно отслеживать частоту дыхания, сопоставимую с показаниями носимого эталонного датчика.

Почему это важно для будущих интеллектуальных устройств

Проще говоря, эта работа демонстрирует, как один многоразовый «чип для волн», собранный из вставляемых плиток, можно перенастраивать для самых разных задач — распознавания изображений, формирования голограмм или мониторинга жизненных показателей — просто переставляя его элементы. Механическая перенастройка медленнее, чем переключение электронных ключей, но за счёт изменения лишь части плиток и применения идей переносного обучения авторы удерживают как затраты, так и усилия на разумном уровне. Их подход указывает путь к гибкому, энергоэффективному и адаптивному оборудованию, которое выполняет часть задач искусственного интеллекта непосредственно за счёт физики волн, что потенциально открывает возможности для новых типов интеллектуальных систем связи, интерактивных интерфейсов и устройств для мониторинга здоровья.

Цитирование: 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

Ключевые слова: метаповерхность, оптические вычисления, дифракционная нейронная сеть, голография, контактное и бесконтактное измерение жизненных показателей