近日，浙江大学信息与电子工程学院王作佳研究员、陈红胜教授团队提出并验证了一种基于人工表面等离激元传输线的非互易神经网络硬件架构，实现了前向与反向传播路径的解耦，为构建高度集成、资源高效的模拟计算提供了新途径。论文以“Nonreciprocal surface plasmonic neural network for decoupled bidirectional analogue computing”为题，发表在《Nature Communications》上。浙江大学信电学院博士生李小萌为第一作者。王作佳研究员与陈红胜教授为论文共同通讯作者，浙江大学为唯一通讯单位。此外，浙江大学博士生杨昊晨、吴恩宗、姚鑫城，浙江大学李鹰研究员、高飞研究员等也为该工作做出了重要贡献。该项目得到国家自然科学基金和浙江省重点研发计划等支持。
随着机器学习不断推动科学与技术的发展，人工智能对算力需求呈指数级增长。光学模拟计算凭借其超高速、低功耗、超高带宽和高并行性，成为满足这一需求的有效途径。然而，大多数物理神经网络硬件受到互易性制约，即其基本模块的时间反演对称性未被打破，导致前向与后向散射矩阵相互约束，难以在同一计算硬件实现前后向的独立控制和信号隔离。在典型的“感知—响应”一体化系统中，往往需要额外的方向选择模块来分别激活前向或后向网络，以此来避免信号干扰和功能紊乱。
与此相对，生物神经系统则具有天然的非互易性，神经元之间的信号传递只能单向进行，从而在器官与器官之间形成了相互独立的信息通路，实现“感知”与“响应”解耦。例如，大脑先通过前向通路整合来自各个感官器官的输入，完成整体感知；再通过后向通路有选择性地将响应信号传递到特定目标器官，而不会干扰原始的感官输入。这种内在非互易性，保证了神经系统功能的有序与高效，是生物智能的重要特征。
在该研究中，研究人员通过在人工表面等离激元波导上覆盖带磁偏置的铁氧体，利用电磁波圆极化近场与静磁场的相互作用，成功打破了前向传播和反向传播路径的时间反演对称性（见图1）。这使得两个方向上的权重矩阵能够独立调控（见图2）。为最大化磁光效应和传输效率，研究团队设计了具有局域场增强和增大模式阻抗特性的折叠弯曲型人工表面等离激元结构，并将其集成到2入2出的基本单元中。通过互易与非互易单元的交错互连，构建了一个具有多样化计算功能的四层深度神经网络（见图3）。其计算功能可通过铁氧体磁化方向和工作频率灵活调控。
图1：受生物神经系统启发的微波信号非互易计算网络。
图2：非互易神经网络架构。
图3：非互易计算网络的实验结果。
实验结果表明，该网络在宽带范围内实现了双向独立的图像处理，并能够根据输入信号的编码灵活加载算子（见图4）。在前向路径中，网络完成了图像对比度增强，模拟生物神经网络的全局感知；在后向路径中，网络则执行了边缘检测，模拟生物神经网络的局部响应。这种在单一结构中的“感知—响应”解耦的类脑特性，有效避免了外部方向选择模块的使用，降低了系统复杂度。
图4：基于双向解耦网络的图像处理。
进一步研究还显示，该结构能够支持频率复用与矩阵求解（见图5）。通过调节工作频率，网络在同一传播方向上即可实现不同计算功能的切换；通过引入递归反馈波导，网络具备了矩阵求逆的能力，为复杂的数值计算提供了硬件实现途径。这些功能的结合使得非互易等离激元神经网络在模拟计算和类脑智能系统中展现出强大的扩展潜力。
图5：基于反馈系统的矩阵求解器。
研究者受到生物神经网络启发，提出并实验验证了一种非互易的双向解耦多端口网络，模拟了大脑的集成感知（前向）与响应（反向）。通过调控非互易单元相位，该网络能独立控制前向与反向路径的权重矩阵与计算功能。结果表明，基于磁光效应的前向-反向分离可在微波宽频带内实现。在特定频率和磁偏置下，前向执行区域积分模拟全局感知，反向执行边缘检测模拟选择性局部响应。这种单结构内的前向—反向解耦设计，省去了外部功能选择模块，提升了资源效率和系统可集成性。递归反馈波导的引入进一步实现了矩阵求逆运算。
该研究迈出了非互易物理神经网络研究的重要一步。未来设计中，采用全非互易连接可进一步扩展权重调控自由度，等效于计算能力倍增。值得注意的是，自由度会随端口数非线性增长，这将在大规模高容量网络中带来显著性能提升，使其特别适用于高密度、高容量计算系统。该非互易设计方法亦可推广至其他光频段与平台（如集成光子波导、可编程光子电路、太赫兹系统）。未来工作可增加单芯片单元数和拓展垂直堆叠，以支持同步多任务处理。随着集成密度与堆叠技术的进步，该平台有望支撑大规模并行、多模态的智能系统，为后摩尔时代高效、大规模物理人工智能的实现开辟新可能。
论文链接：
https://doi.org/10.1038/s41467-025-63103-z
