具有增强光学相位调制的可重构磁光衍射神经网络

用光思考的智能相机

如今最智能的手机和汽车依赖耗电的大型芯片来识别人脸、读取路牌或发现行人。本研究探索了一种截然不同的方法：不在电子电路上做运算，而是让光在穿过一层薄薄的磁性薄膜时自行完成计算。结果是一种微小且可重编程的光学“脑”，能够快速分类图像且能耗极低，指向未来能在光照到传感器瞬间就理解世界的相机。

让光来做计算

驱动许多人工智能应用的传统神经网络运行在在来回传输电子的硅片上，这既耗能又耗时。相比之下，衍射神经网络利用特殊图案化的透明层，使入射光通过折射、干涉和扩展以恰当的方式完成相同类型的计算。这样层上的每个微小点都像一个神经元，推动光的相位——即波的对齐方式——从而让不同的输入图像在输出端产生不同的亮度模式。

加入磁性以获得灵活性

早期光学设计的缺点是，一旦制造出其图案，它们基本上就固定了。要改变任务——比如从识别手写数字换成识别鞋子或衬衫——通常需要一台新设备。该研究团队则将关键层制成磁光薄膜，这是一种玻璃状的特殊材料，其微小的磁畴会扭转通过光的偏振。可以用激光和磁场对这些磁畴进行写入、擦除与重写，就像在旧式磁光盘上记录比特一样。这使得光学神经网络具有可重构性：同一块薄膜可在原位为新的识别任务重新设计。

将微弱效应变成强信号

单独来看，磁性薄膜对光的扭转相当小——远不及液晶显示器能做到的程度——因此乍看之下似乎太弱，不足以构建强大的计算装置。作者通过利用一种微妙的衍射效应克服了这一点。当偏振光照射到图案化的磁畴时，透射光的不同部分会获得相差90度的偏振方向。通过在薄膜后放置一个偏振片，该装置抑制了那些几乎未被改变的光束部分，而主要保留被强烈扭转的分量。这种巧妙的滤波大幅增强了有用信号，而无需材料本身产生很大的相位变化。

从数字到时尚单品

为检验他们的设计，研究人员在计算机模拟中训练了单层磁光薄膜与偏振片组合，以识别标准基准数据集的图像。系统对手写数字的分类正确率约为98％——与依赖更强相位控制的更复杂光学网络相当。当使用足够多的微小磁性“神经元”时，它在更难的服装图像集上也达到了近89％的准确率。团队随后用含铋和镓的石榴石薄膜、绿色激光和相机构建了一个真实版本。即使存在实际缺陷，物理器件对数字的识别率仍超过83％，对时尚单品的识别率为71％，并且可以通过重写磁性图案在这些任务间切换。

迈向在芯片上感知与决策的相机

通俗地说，这项工作表明尽管磁性薄膜对通过光的扭转很小，但薄、可重写的磁光薄膜仍可作为光学人工智能系统的“思考”层。通过巧妙安排衍射和偏振，研究者从平凡的材料特性中挤出强大的模式识别能力。由于该器件体积小、无需能量维持其磁态并且在可见波长下工作，它有朝一日可以直接构建在图像传感器之上。这样的“边缘”相机不仅能捕捉场景，还能即时解释——识别数字、物体或交通标志——同时比当今的数字处理器消耗更少的能量。

引用: 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

关键词: 光子计算, 光学神经网络, 磁光材料, 图像分类, 类脑硬件