再構成可能な回折ニューラルネットワークを可能にする多機能可動型コーディングメタサーフェス

科学分野:

• フォトニクスとメタマテリアル; 光学コンピューティングアーキテクチャ; 応用電磁気学

背景:

• 光学コンピューティングは、低遅延と電力効率のような利点を提供します。現在の回折ニューラルネットワーク（DNN）は再構成可能性が欠けており、スケーラビリティを妨げています。メタサーフェスは、新しい光学機能のためのプラットフォームを提供します。

研究 の 目的:

• 再構成可能な光学機能のための可動型コーディングメタサーフェスを提案すること。適応可能な分類タスクのための可動型再構成可能DNN（MT-RDNN）を開発すること。電磁コンピューティング、ホログラフィー、およびセンシングにおける汎用的なアプリケーションを実証すること。

主な方法:

• 印刷技術に触発された可動型コーディングメタサーフェスの設計と製造。再構成可能DNN（MT-RDNN）を作成するためのメタサーフェス層のカスケード接続。機能のモジュール式再構成のためのメタ原子の再配置。

主要な成果:

• MT-RDNNは、メタ原子を置き換えることによって、数字から文字の分類に適応しました。単層メタサーフェスは、電磁ホログラフィーとバイタルサインセンシングを実行しました。単純な再構成、高い柔軟性、およびモジュール式のスケーラビリティを示しました。

結論:

• 可動型コーディングメタサーフェスは、汎用性と再利用可能な光学コンピューティング、ホログラフィー、およびセンシングを可能にします。この技術は、現在のDNNの再構成可能性の限界を克服します。モジュール式の設計は、スケーラブルな光学システムのための大きな可能性を提供します。