撰稿 | 课题组投稿
近日，浙江大学陈红胜教授课题组联合新加坡南洋理工大学张柏乐教授，设计并实现了一种基于衍射神经网络的光学逻辑器件，有效集成七种基本的光逻辑运算功能。
光计算是一种以光子作为载体的新型计算技术，利用光的衍射、散射和干涉等固有特性，来处理复杂的计算任务。
相比于传统的电子计算，它具有速度快、损耗少、算力高、信息畸变和失真小等优势。
人们尝试引入光计算来提升信息处理的性能，分担电子计算机的计算压力，有望应用在无人驾驶、图像检测等对实时性要求高的场景。
光学逻辑计算，作为最基本的计算单元，对发展全光计算和混合光-电计算非常重要。
目前的光逻辑实现方法主要是基于线性光干涉和材料的非线性光效应，这些方法往往需要精确控制输入光束/泵浦光的幅度，相位和极化等特性。
如果将这些庞大复杂的光控制系统考虑进去，实际上很难实现逻辑单元的小型化和集成化，并容易引起计算结果的不稳定。
在论文中，研究者从机器学习的角度出来，将光学逻辑计算等效为分类任务，提出了一种基于衍射神经网络的光学逻辑单元设计方法，并从理论上证明了此方法的可行性和完备性。
如图1所示，该设计方法不需要复杂的光控制系统，采用简单的平面波作为输入，通过选择性激活输入层的子区域，即可实现不同的逻辑计算功能。
其中，输入层设计非常简单、灵活、普适，可采用允许/禁止平面波透过的方式或者根据实际应用场景需求，采用用户自定义的方式。
根据惠更斯-菲涅尔衍射原理，以与、或、非逻辑单元为例，研究者通过学习训练得到衍射神经网络的超参和权重系数，输出准确率达到100%。
在微波实验中，研究者采用高效的介质超构表面作为神经网络的隐含层，成功验证了方案的可行性。
该方法具有普适性和级联性，可以集成七种基本的逻辑功能（图3）或构建级联网络形成复杂的计算功能，且适用于太赫兹、光频和其它物理波。
图2. 基于衍射神经网络的与、或、非逻辑计算。（a）输入层；（b）介质超构表面的色散特性；（c-i）数值计算结果。
图3. 基于衍射神经网络的七种基本逻辑计算。（a）输入层；（b）0异或1的计算结果。
在论文的补充材料中，作者采用时域有限差分算法，结合拓扑优化，通过优化设计光波导的空间不均匀性，理论实现了片上紧凑型的光学逻辑计算单元（图4）。
图4.纳米光子逻辑计算单元。（a）光逻辑计算单元的三维示意图；（b-c）数值仿真结果。
该工作理论提出和实验实现了一种普适的多功能光逻辑运算设计方法，在加密无线通讯和场景增强等领域有广泛应用前景。
不仅如此，该设计方法还可以扩展到自适应光学成像、快速目标跟踪和模式识别等领域。
该论文题目是 Performing optical logic operations by a diffractive neural network ，发表在 Light: Science & Applications 。
浙江大学信息与电子工程学院博士生钱超为第一作者，通讯作者为林晓博士，张柏乐教授和陈红胜教授。
欢迎课题组投递成果宣传稿
文献链接：https://doi.org/10.1038/s41377-020-0303-2
文章来源：中科院长春光机所·Light学术出版中心
免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理（按照法规支付稿费或立即删除）。转载请注明出处，如原创内容转载需授权，请联系下方微信号。
