Nature Communications | 太赫兹人工表面离激元神经网络实现高效衍射信息识别和处理

Nature Communications

随着人工智能的发展，全光衍射神经网络作为模拟人工智能加速器，凭借其并行处理和模拟计算能力，在复杂数据处理方面展现了巨大潜力。然而，这些系统往往因空间传输效率低或占用空间大，限制了其小型化和更广泛的应用。为了应对这一挑战，该论文提出了一种新型的太赫兹人工表面等离激元神经网络，利用平面衍射平台实现直接多目标识别。由香港城市大学太赫兹毫米波全国重点实验室陈志豪教授团队和东南大学毫米波全国重点实验室崔铁军院士团队共同开发，太赫兹人工表面等离激元神经网络在一个平面衍射平台上实现了多目标直接识别，展现出卓越的紧凑性和高效性。此工作以“Terahertz spoof plasmonic neural network for diffractive information recognition and processing”为题目发表在Nature Communications期刊上[1]。

图1. 太赫兹平面人工表面等离激元神经网络执行多目标识别和处理的概念图

1.紧凑高效的设计：相比于已报道的用于处理微波电磁信息的具有非线性激活函数的人工表面神经网络[2]，我们在THz平台上通过使用人工表面等离激元耦合器阵列构建衍射网络层，实现了一个紧凑、高效且易于集成的架构。这种设计不仅提高了传输效率，还显著减小了设备尺寸，便于集成到现有的芯片系统中。

2.多种识别方案：我们设计了三种识别方案，分别是基向量分类、多用户识别和手写数字分类。实验结果表明，太赫兹人工表面等离激元神经网络能够成功分类基向量以及识别多用户方向信息。更重要的是，我们设计了一个新的数字图像输入结构，并将其集成到神经网络中，直接用于处理手写数字。

3.广泛的应用前景：这项研究拓宽了太赫兹仿等离激元材料的应用，为太赫兹片上集成、智能通信和先进计算系统铺平了道路。

图2. 三种识别任务的不同输入结构。a)-c) 基向量输入结构。d)-g) 多用户识别结构。h)-k) 手写数字输入结构。

信息处理：对传统的平面神经网络而言，为了识别图像信息，先要把其信息经过计算机进行预处理，之后再通过网络进行识别，这种方案增加了复杂性以及减小了处理的速度。我们提出的新的输入图像架构可以通过THz SPNN直接处理与识别。

低功耗：相比传统数字计算机，太赫兹人工表面等离激元神经网络具有低功耗的优势，使其在处理大量数据时更加节能。

高带宽：太赫兹频段提供了相对较高的带宽，促进了数据的快速传输和处理，从而显著提升了神经网络的训练和推理速度。

实验结果展示了一个五层全连接的太赫兹人工表面等离激元神经网络在250-280GHz频率范围内的矢量分类任务。我们还通过无线收发框架验证了网络处理不同辐射目标信息的能力，特别是在手写数字分类任务中，我们设计并制造了一个输入框架，包括金属光栅阵列、发射器、接收器和太赫兹人工表面等离激元神经网络，能够直接执行手写数字分类任务。

图3. THz实验测试结果。a) THz实验测试平台。b) 测试样本。c) 测试结果。

太赫兹人工表面等离激元神经网络的成功研发标志着信息识别和处理领域的重大突破。这一技术不仅具备广泛的应用潜力，还为未来的太赫兹片上集成和智能通信系统奠定了坚实的基础。我们期待这一创新技术在更多领域中的应用，为科学研究和实际应用带来深远影响。