导读
近日，加州大学洛杉矶分校的Aydogan Ozcan团队设计了一种创新的深度衍射神经网络结构, 称为金字塔深度衍射神经网络（P-D2NN）。这种结构可以在显著减少所需的衍射特征数量的同时，完成单向图像放大或缩小，即正向传播时放大或缩小图像，而反向传播时阻止任何图像生成。这种设计可以在较宽的照明波长范围内工作，并且能在不同波长下同时进行单向图像放大和缩小。研究人员们对P-D2NN框架在太赫兹照明的情况下进行了实验验证。这种新结构在光通信、监控和光子器件隔离方面展现出广泛的应用前景。该工作以“Pyramid diffractive optical networks for unidirectional image magnification and demagnification”为题发表在国际顶尖期刊《Light：Science & Applications》。
创新研究
深度衍射神经网络（P-D2NN）是由多个自由空间中连续衍射表面组成的光学系统，这些表面由深度学习进行优化，可以以全光方式执行各种计算任务。由Aydogan Ozcan教授带领的加州大学洛杉矶分校研究团队开发了一种金字塔结构的衍射光学网络，其衍射表面的大小以金字塔形式增大或减小，且趋势与图像放大或缩小一致。这种设计使用了较少的衍射神经元实现单向成像的功能，即在确保了正向成像的高保真度的同时，抑制了反方向的图像生成。研究人员还展示了通过级联多个P-D2NN模块来实现更高的放大倍数，展示了该系统的模块化特性和可扩展性。
P-D2NN架构在太赫兹（THz）照明的情况下进行了实验验证。衍射层通过3D打印制造， 并且在连续波太赫兹照明下进行了测试。三种不同设计（包含不同倍率的放大和缩小比例）的实验结果均与数值模拟高度一致。在前向成像的过程中，输出平面准确反映了放大或缩小版本的输入图像，同时在后向传输的过程中产生了低强度、无有用信息的光强场，完成了单向成像任务的需求。
图1.用于单向图像放大和缩小的金字塔衍射光网络的艺术描述。
应用前景
P-D2NN框架可以将反向的传输能量降低，并将其原始信号分散成不可感知的噪声，这种特性使其在多种应用场景下具有良好的表现。这些应用包括光子器件的光学隔离、电信通讯中的发射器和接收器解耦、具有隐私保护特性的光通信和监控。
此外，该系统对偏振不敏感，可以和将高功率结构光束聚焦到目标物体上，且能同时保护源头免受反击，这些特性突显了其在各种防御相关应用中的潜力。
论文信息
Bai, B., Yang, X., Gan, T. et al. Pyramid diffractive optical networks for unidirectional image magnification and demagnification. Light Sci Appl 13, 178 (2024).
https://doi.org/10.1038/s41377-024-01543-w
两江科技评论