[论文解读] Neuromorphic Metasurface

Zhicheng Wu, Ming Zhou+3 more|arXiv (Cornell University)|Aug 13, 2019

Metamaterials and Metasurfaces Applications被引用 9

一句话总结

本文提出一种神经形态超表面，通过将输入物体的光空间聚焦至对应预定义类别的特定输出位置，实现光学物体识别。利用工程化设计的亚波长纳米结构，该超表面调控相位与振幅，实现基于硬件的光学神经网络，在无需电子处理的情况下完成分类，已通过3×3像素输入的数字识别概念验证。

ABSTRACT

Metasurfaces have been used to realize optical functions such as focusing and beam steering. They use sub-wavelength nanostructures to control the local amplitude and phase of light. Here we show that such control could also enable a new function of artificial neural inference. We demonstrate that metasurfaces can directly recognize objects by focusing light from an object to different spatial locations that correspond to the class of the object.

研究动机与目标

• 开发一种可在光学域内直接执行人工神经网络推理的超表面。
• 利用亚波长纳米结构实现标签特定的光聚焦，以实现物体分类。
• 通过无源、全光学超表面演示光学神经处理的概念验证。
• 通过空间光束聚焦实现二维图案（例如数字）的分类，无需电子计算。
• 探索神经形态计算原理与超表面光学的集成，以实现低功耗、高速推理。

提出的方法

• 超表面采用亚波长纳米结构设计，可独立调控入射光的局部相位与振幅。
• 这些纳米结构的空间分布经过优化，可将输入物体图案映射至对应类别标签的特定输出焦点。
• 设计采用物理信息优化框架，模拟具有单隐藏层的前馈神经网络。
• 系统以无源、全光学方式运行，推理过程中无电子信号处理或功耗消耗。
• 超表面通过电子束光刻技术制造，并利用4F成像系统表征，测量输出强度分布。
• 通过检测聚焦光斑的空间位置实现分类，该位置对应预测类别。

实验结果

研究问题

• RQ1 是否可设计超表面，通过将光聚焦至特定类别的输出位置，实现光学神经推理？
• RQ2 无源、全光学超表面在简单图案识别任务中，其分类准确率在多大程度上可与电子神经网络相媲美？
• RQ3 纳米结构的空间分布如何影响光学分类的保真度与鲁棒性？
• RQ4 相位与振幅控制在利用单一超表面实现多类别识别中起到何种作用？
• RQ5 该超表面设计是否可推广至数字分类以外的其他图案识别任务？

主要发现

• 神经形态超表面成功通过将光聚焦至对应正确类别的特定空间位置，实现了对二维输入图案（例如3×3像素数字）的分类。
• 系统仅使用单一制造完成的超表面，在无需电子处理的情况下，对测试集中全部10个数字实现了正确分类。
• 输出强度分布与期望的类别特定聚焦模式高度匹配，各类别间串扰极小。
• 超表面对输入微小变化表现出鲁棒性，显示出在真实光学图案识别中的潜力。
• 通过4F成像系统实验验证了设计，确认了预测的聚焦行为。
• 该方法实现了超低延迟与高能效推理，其性能仅受光速限制且无电子元件参与。