我院研究成果被选为期刊封面文章

我院成像与视觉表示研究团队在全光神经网络与超表面光子学交叉领域取得进展，研究成果以“Metasurface-based all-optical diffractiveconvolutional neural networks”为题，近日正式发表于国际应用物理权威期刊 Journal of Applied Physics，并被选为期刊封面文章。

随着人工智能的快速发展，传统电子神经网络面临能耗高、并行处理效率低、光电转换延迟等核心瓶颈。以光为信息载体的全光神经网络，凭借光速传播、天然并行、超低功耗等优势，成为突破算力与能耗困境的关键方向。然而，如何将高精度卷积计算与片上超表面衍射网络深度融合，构建完整全光推理架构，一直是领域内亟待解决的难题。

针对这一挑战，研究团队首次提出并验证了基于超表面的全光衍射卷积神经网络MAODCNN。该架构创新性地将超表面光学卷积层与级联衍射神经网络一体化设计，在纯光域内实现从图像特征提取到分类决策的完整闭环计算，全程无需光电转换，真正做到无源、超快、低耗运行。所设计的光学超表面图像处理的原理示意图如图所示：原始图像输入后，首先通过超表面光学卷积层完成并行特征提取，该过程将数字卷积核物理映射到超表面单元的光学响应中，直接在光域完成卷积运算，得到特征增强后的图像；特征图像随后进入多层衍射超表面网络，每一层超表面都对光场进行调控，经过多轮衍射调制后，不同类别的光信号被聚焦到探测器阵列的不同位置，最终实现图像分类。相较于传统 4-f 光学卷积系统，该架构具有结构极简、无透镜、可片上集成、多通道并行等突出优势，为自动驾驶视觉感知、工业缺陷检测、医疗内窥成像、端侧智能传感器等场景提供了全新的全光计算解决方案，有望推动下一代低功耗高速智能视觉芯片的研发与落地。

论文链接：https://doi.org/10.1063/5.0323145