所有介电超表面基衍射神经网络用于1位增量器
Yufei Liu1, Weizhu Chen1, Xinke Wang1
1Beijing Key Laboratory of Metamaterials and Devices, Key Laboratory of Terahertz Optoelectronics, Ministry of Education, Beijing Advanced Innovation Center for Imaging Theory and Technology, Department of Physics, Capital Normal University, Beijing, 100048, China.
Nanophotonics (Berlin, Germany)
|December 16, 2024
概括
研究人员开发了基于超表面的衍射深度神经网络 (DDNN),克服了3D打印组件的局限性. 这一突破使得像太赫兹通信这样的应用程序能够实现更小,更高效的光学计算.
科学领域:
- 光学和光子学 在光学和光子学.
- 人工智能的人工智能
- 材料科学 材料科学 材料科学
背景情况:
- 衍射深度神经网络 (DDNN) 正在推动光学计算,但面临着3D打印衍射光学元件 (DOE) 的挑战.
- 限制包括高阶衍射和低空间利用,由于神经元大小接近波长尺度.
研究的目的:
- 为增强的光学计算设计和演示DDNN使用全介电元面.
- 在DDNN中克服传统DOE的局限性.
主要方法:
- 设计的DDNN利用全介电元面来实现子波长神经元大小.
- 通过数值模拟光学半器,并通过实验验证其在太赫兹频率范围内的性能.
- 将4万个神经元集成到一个紧的2x2cm^2元表面层中.
主要成果:
- 基于表面的DDNN显著减少神经元大小,消除了高阶衍射.
- 实现了具有高神经元密度 (4万个神经元/层) 的紧光学半.
- 在太赫兹域的实验验证证了设计的有效性.
结论:
- 基于metasurface的DDNNs为小型化和高度集成的光学计算设备提供了一条途径.
- 这项技术在太赫兹6G通信,集成光子学和智能传感器方面具有潜在的应用.


