Multifunktionell rörlig-typ kodande metasurface som möjliggör omkonfigurerbara diffraktiva neurala nätverk

Bygga smartare maskiner med ljus och vågor

Mycket av dagens artificiella intelligens körs på energikrävande elektroniska kretsar. Denna artikel utforskar en helt annan väg: att använda noggrant utformade ytor för att låta elektromagnetiska vågor själva utföra beräkningar. Genom att fysiskt forma hur mikrovågor färdas och sprids skapar forskarna hårdvara som kan känna igen handskrift, projicera hologram och till och med övervaka andning — allt med samma återanvändbara byggstenar.

En Lego-låda för att kontrollera vågor

I kärnan av arbetet finns en ny typ av "metasurface", en tunn panel mönstrad med många små metalliska element som kan böja, fördröja eller överföra elektromagnetiska vågor på precisa sätt. Istället för att fixera dessa element permanent lånar teamet en idé från gammaldags rörlig-typ-tryckning: varje liten enhet, eller "meta-atom", är en avtagbar platta som kan pluggas in eller dras ut som en modulär byggbit. Författarna utformar åtta typer av sådana plattor, där varje ger en annan fasin fördröjning för mikrovågor runt 14 gigahertz. Genom att snappar hundratals av dessa plattor i ett rutnät kan de snabbt ommontera samma hårdvara till många olika funktionella enheter, ungefär som att omarrangera trycktyper för att skapa en ny textsida.

Göra metasurfaces till ett fysiskt neuralt nätverk

För att visa hur kraftfull denna modulära idé kan vara staplar forskarna tre av dessa omkonfigurerbara paneler mellan en ingångsmaske och ett utgångsplan, och skapar vad de kallar ett rörlig-typ omkonfigurerbart diffraktivt neuralt nätverk, eller MT-RDNN. Här fungerar mikrovågor som signalen som flyter genom lagerna i stället för siffror i en dator. Ett mönster som representerar en handskriven siffra skärs ut i en metallplåt; mikrovågor som passerar genom denna mask färdas sedan genom de tre metasurface-lagren. Den precisa ordningen av plattor i varje lager hittas med datorträning, liknande hur ett konventionellt neuralt nätverk optimeras. Efter träning fokuserar vågorna naturligt sin energi på specifika regioner vid utgången, där varje region motsvarar en siffersklass.

Anpassa till nya uppgifter genom att omplacera plattor

En viktig fördel med detta angreppssätt är att nätverket kan återanvändas utan att byggas om från grunden. Efter att ha tränat de lager-på-lager metasurferna för att känna igen fyra handskrivna siffror anpassar teamet samma hårdvara för att klassificera fyra engelska bokstäver i stället. Istället för att omkonfigurera varje platta lämnar de de två första metasurface-lagren oförändrade och justerar bara en del av plattorna i slutlagret. Genom att använda en transfer-inlärningsstrategi på den fysiska nivån bevarar de större delen av den befintliga strukturen och finjusterar bara vad som är nödvändigt. Detta minskar både träningstiden och den manuella ommonteringstiden med mer än två tredjedelar, samtidigt som de i experiment når över 92 procent noggrannhet för både siffer- och bokstavsigenkänning.

Från hologram till kontaktlösa andningsmätare

Samma rörlig-typ-metasurface visar sig också användbar som ett fristående funktionellt ark. Med ett enda lager plattor genererar författarna mikrovågshologram — tvådimensionella intensitetsmönster som bildar former som bokstaven "T" eller en logotyp-liknande "CM" på ett plan bakom ytan. De beräknar den bästa plattkonfigurationen med en gradientbaserad algoritm som maximerar likheten mellan det önskade mönstret och det förutsedda fältet. I en annan demonstration styr de och fokuserar mikrovågor tätt mot bröstkorgen hos en person som står i närheten. Subtila rörelser orsakade av andning modulera den reflekterade signalen, vilken sedan analyseras med en signalbehandlingsmetod känd som variational mode decomposition. I tester med två olika frivilliga på olika positioner omkonfigureras metasurfen så att varje persons bröst blir fokalpunkt, vilket möjliggör noggrann, kontaktlös spårning av andningsfrekvens som överensstämmer med en bärbar referenssensor.

Varför detta är viktigt för framtida intelligenta enheter

Enkelt uttryckt visar detta arbete hur en enda, återanvändbar "vågchip" gjord av plug-in-plattor kan ställas om för mycket olika uppgifter — känna igen bilder, bilda hologram eller mäta vitala tecken — helt enkelt genom att omordna dess delar. Mekanisk omkonfiguration är långsammare än att slå om elektroniska brytare, men genom att ändra endast en bråkdel av plattorna och låna idéer från transferinlärning håller författarna både kostnad och arbete rimliga. Deras angreppssätt pekar mot flexibel, lågenergisk och uppgiftsanpassad hårdvara som utför delar av artificiell intelligens direkt i vågornas fysik, vilket potentiellt öppnar vägar för nya typer av smarta kommunikationssystem, interaktiva gränssnitt och hälsomonitoreringsenheter.

Citering: 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

Nyckelord: metasurface, optisk beräkning, diffraktivt neuralt nätverk, holografi, vitalsignalsavkänning