近日，上海理工大学臧小飞教授、朱亦鸣教授、庄松林院士团队联合东方理工大学丁飞教授，在偏振选择性衍射神经网络（PS-DNN）研究中取得重要突破，该团队创新性的融合相位调控、偏振转换与偏振选择功能，提出了一种基于超构表面的偏振可选择的衍射神经网路，实现偏振可控的单向/双向功能切换，进而应用于全光信息加密与信息共享。相关研究成果以“Polarization-selective unidirectional and bidirectional diffractive neural networks for information security and sharing”为题发表于Nautre Communications 期刊。该研究工作得到国家自然科学基金、上海市科学技术委员会基金等支持。上海理工大学光电信息与计算机工程学院博士研究生郭子晴和谭知雨博士为论文的共同第一作者，臧小飞教授、朱亦鸣教授与丁飞教授为通讯作者，庄松林院士对该工作进行了悉心指导。
随着信息技术的快速发展，通信网络对带宽与信息处理能力的需求持续攀升，全光信息处理凭借其高效、宽带和并行处理的特性，逐步成为一类理想的解决方案。然而，信息安全与信息共享作为对立统一的两大核心需求，亟待协同优化。以上矛盾(即信息安全与信息共享)促使研究者探索既能实现信息加密又支持可控数据共享的新型全光信息处理技术框架。
全光衍射神经网络（DNNs）通过光速并行处理海量信息，为全光计算开辟了新途径。目前，该方法已在图像分类、逻辑运算、图像处理以及多任务处理，如多波长复场成像、多光谱全光信息处理和多目标/多任务处理等领域展现潜力。值得关注的是，光的传播方向可作为自由度用于构建单向DNNs。近期，有研究提出了用于衍射单向成像的DNNs，可以在前向方向进行偏振无关成像，同时阻断反向成像；此外，研究人员还提出了金字塔结构的DNNs，实现图像的定向放大与缩小（Adv. Photon. Nexus3, 066008 (2024); Light Sci. Appl. 13, 178 (2024)）。然而，现有DNNs受限于调控自由度单一，难以实现偏振选择性与方向可切换功能的实现，限制了其在安全通信与动态数据共享中的应用。
超构表面拥有对电磁波振幅、相位及偏振的多维度调控能力，为进一步提升DNNs功能提供了新机遇。针对信息安全和数据共享关键问题，上海理工大学研究团队提出了一种级联超表面，通过融合相位调控、偏振转换以及方向/偏振选择功能，实现了偏振可控的单向-双向DNNs可切换功能，能够同时满足大容量信息传输安全和数据共享的双重要求。结合半波片（HWP）超构原子阵列和金属光栅，该DNNs展示出单向-双向-单向可切换的功能(如图1所示)。此外，基于偏振选择的DNNs提出了一种高安全性的信息传输/交换方案，为信息加密与共享需求提供了全新框架。
图1 基于HWP的单向和双向PS-DNN示意图。当x或y偏振太赫兹波（THz波）入射时，系统分别在前向或后向作为单向分类器工作。在45° LP波下，该系统双向运行，允许在前后方向上实现字母分类。右上角插图描述了不同偏振态入射波的从前向或后向入射的概念示意图。左下角的插图显示了PS-DNN架构。
1.单向-双向-单向的可切换分类和成像
研究团队设计了一种由HWP超构原子这列和光栅构成的级联超表面，实现单向-双向-单向PS-DNN，并在字母识别与成像方面进行实验验证。当入射为x-偏振THz波时，系统在前向方向实现单向识别；y-偏振THz波入射时，仅后向可识别；45°-偏振THz波入射则支持前后双向识别，如图2所示。实验中以“C”、“O”、“S”、“V”为输入，验证了系统在不同偏振状态下的分类和识别的准确率（92.5%）及成像效果（图3）。此外，该结构在倾斜入射和宽频工作条件下依然表现出良好鲁棒性。该PS-DNN架构为同时实现信息安全（前向或者后向单向传输）与信息共享（双向传输）提供了一种全新的解决方案。
图2 单向-双向-单向PS-DNN字母分类器的实验结果。a-b 单向-双向-单向PS-DNN工作原理示意图，c-f 在前向入射的x- 、45°- 和y-偏振太赫兹波作用下的不同字母图案在输出平面电场强度分布测量结果，g-j 在后向入射的x- 、45°- 和y-偏振太赫兹波作用下的不同字母图案在输出平面的电场强度分布测量结果，k-n前向x-偏振太赫兹波入射时，实验测量输出能量分布图，o 前向x-偏振太赫兹波入波射条件下的字母分类混淆矩阵。
图3 单向-双向-单向PS-DNN字母成像器的实验结果。 a-d 在前向入射x-、45°- 和y-偏振太赫兹波作用下的输入图案及其在输出平面上的测量电场强度分布测量结果，e- h 在后向入射x-、45°- 和y-偏振太赫兹波作用下的输入图案及其在输出平面上的测量电场强度分布测量结果。
2. PS-DNNs构建的全光信息加密和数据共享系统
我们利用单向-双向-单向PS-DNN，设计一个集成数据共享和高安全信息加密的系统框架。如图4a所示，将字母“C”、“S”、“O”、“V”等编码为具有预设偏振态的图像序列，通过PS-DNN进行传输与解码，接收端解码依赖于三重密钥(图4b, 4c)：传输方向（前向或后向）、偏振状态（0°、45°、90°）和探测位置（输出平面的特定区域，设定为左上角与右上角两个识别区域）。当三重密钥完全匹配时，输出平面相应区域才会接收到正确信号，并被译码为“1”，否则为“0”。不同接收者（如“Alice”和“Bob”）因密钥组合不同，即使接收相同图像序列也会解码出部分相同、部分不同的结果(图4d-4g)，实现了“信息共享+保密传输”的双重功能，展示了该系统兼具信息共享与数据加密的能力。
图4 基于PS DNN的高安全性数据传输/交换系统。a 具有预设偏振态的入射字母序列示意图， b-c 使用三个独立的密钥进行解码的过程示意图， d-g 0.6 THz下，分别在前向与后向传输时左上角和右上角位置测得的信号及其解码得到的二进制结果。所有实验均使用相同的偏振字母图像序列作为输入，验证了系统对共享数据与保密数据的解码能力。
上海理工大学研究团队提出并验证了一种偏振选择性衍射神经网络（PS-DNNs），通过集成QWP/HWP超构原子阵列与金属光栅形成紧凑型、偏振依赖的DNN架构，为同时实现数据共享与加密的平衡难题提供了解决思路。相较于传统超表面，PS-DNNs通过深度学习优化，兼具高容量处理、自适应功能及偏振加密优势。尽管该方案中的PS-DNN应用于太赫兹频段，通过超表面单元结构的优化设计，相关研究和应用可拓展至红外和可见光频段。相关研究将为全光计算、安全通信及隐私保护提供了解决方案。
论文链接：
https://doi.org/10.1038/s41467-025-59763-6
