文献解读 | 片上复用衍射神经网络：把多任务写进一块超表面（Light Sci Appl 2022）

论文简介

本文解读的是 2022 年 5 月发表在 Light: Science & Applications 上的论文：Metasurface-enabled on-chip multiplexed diffractive neural networks in the visible（DOI 10.1038/s41377-022-00844-2，arXiv 开放全文），作者是湖南大学的罗旭豪、胡跃强、段辉高，以及合作者欧祥年、李鑫、赖佳敏、刘娜、程鑫彬、潘安练。

一句话概括：这篇论文用”偏振复用”把多个衍射神经网络同时写进同一块超表面，并直接贴到 CMOS 成像芯片上——光穿过超表面，芯片一次曝光就能同时完成多个识别任务。 手写数字和时尚物品的分类可以在两个偏振通道里并行完成，全部发生在光传播与光电转换的瞬间。

引言：从”自由空间里的网络”到”芯片上的多任务”

2018 年，Science 上发表的 D2NN 首次证明：把神经网络”刻”进多层衍射面，光穿过器件的过程就是网络前向推理的过程，推理速度接近光速。但自由空间的 D2NN 有两个先天短板：一是系统体积大——输入平面、衍射层、探测器之间要保持一定的衍射距离，整体是个”台式”装置；二是它一次只能干一件事，网络权重训练好就固定了，无法像大脑那样同时处理多种输入。

Luo 等人的工作同时回应了这两个问题：体积上用超表面替代厚衍射层、并把探测器换成商用 CMOS 成像芯片，做成”芯片级”器件；多任务上用偏振复用，让同一块超表面在不同偏振下”扮演”不同的网络——相当于在 0.1 平方毫米的芯片上塞进了多个各司其职的分类器。

核心思想：偏振复用 = 一块超表面里藏多个网络

理解这篇论文，先要抓住一个事实：一个普通衍射网络的所有权重，就是超表面上每个像素的相位。 如果这些像素的相位能同时”看偏振”——x 偏振光看到的是一套相位分布，y 偏振光看到的是另一套——那么同一块超表面就同时是两个不同的网络。

这正是超表面的拿手好戏：亚波长纳米柱在 x 和 y 两个正交偏振下可以独立调制透射光的相位（分别记为 $\varphi_{xx}$ 和 $\varphi_{yy}$）。论文把这两套相位分布分别训练成两个分类器的权重，光以 x 偏振入射时走”通道 1”，以 y 偏振入射时走”通道 2”，输出端互不干扰。

图 1 是论文的架构示意：多通道输入 → 偏振复用超表面（隐藏层）→ CMOS 芯片上的分区域检测器（输出层）。

图 1：集成在成像传感器芯片上的多路复用超表面衍射神经网络（MDNN）示意图。(a) 人类大脑的多通道感官包括视觉、听觉、嗅觉、味觉和触觉，其中视觉可细分为物体识别、手势识别、字符识别与人脸识别等；(b) MDNN 架构：多个网络的 meta-neuron 分别训练，获得复用的相位分布，光穿过超表面后由芯片上的检测区域直接读出。

架构：掩模输入 → 超表面隐藏层 → CMOS 输出

论文的网络结构与电子神经网络一一对应：

• 输入层：要识别的物体以光场形式进入网络——论文用振幅掩模（镂空的铝膜）把”0””1””T 恤””运动鞋”等图案编码进入射光，一束 532 nm 的平面波照上去，透过的光就带着输入信息；
• 隐藏层：偏振复用超表面。每个亚波长像素就是一个”meta-neuron”（元神经元），它的相位就是权重；光经过超表面后被逐点调制并继续向前衍射传播；
• 输出层：CMOS 成像芯片上的检测区域。芯片表面被划分成若干个区域，每个区域对应一个类别；哪个区域收到最多光能，网络就”认为”输入属于哪一类。

光在输入掩模、超表面和 CMOS 之间的传播遵循惠更斯-菲涅尔原理——波前上每一点都是次级球面波的源，下一层波前由这些次级波的包络决定。这就是衍射网络的”连接方式”：不需要物理连线，衍射自然把每个输入点的信息散布到所有输出点。

设计细节：TiO₂ 纳米柱与”神经元密度”

论文的 meta-neuron 是二氧化钛（TiO₂）纳米柱：高度 600 nm、周期 400 nm、工作波长 532 nm。每个纳米柱的横向尺寸（$D_x$、$D_y$）独立可调，从而在 x/y 偏振下分别获得所需的透射相位（和透射率），用 FDTD 仿真标定。

一个值得注意的数字是神经元密度：像素周期 400 nm，意味着每平方毫米可以有 6.25×10⁶ 个 meta-neuron——这是单个通道的密度，偏振复用再乘以通道数。相比传统空间光调制器（像素毫米级），超表面的神经元密度高出几个数量级，这是它能”贴”在指甲盖大小芯片上的物理基础。

图 2 是 meta-neuron 的设计细节：单元结构、双偏振相位响应、SEM 照片，以及一个用于验证偏振复用的双焦点金属透镜。

图 2：多通道 meta-neuron 的设计。(a) 单个 TiO₂ meta-unit 示意图，高度 H 固定，结构尺寸 Dx、Dy 可调，每个 meta-unit 充当一个经机器学习训练、具有多路复用相位分布的神经元；(b–e) x/y 偏振入射光下透射系数（Txx、Tyy）与相移（φxx、φyy）的仿真值，入射波长 532 nm、纳米柱周期 400 nm、高度 600 nm；(f)(g) 制造超表面的 SEM 图像（俯视图/侧视图），比例尺 1 μm；(h) 双焦点超表面，用于演示两个正交偏振下的独立相位调制；(i) 焦点强度场的仿真与实验结果，绿色箭头对应 x 偏振、蓝色对应 y 偏振。

训练：误差反向传播，但前向模型是物理

MDNN 的训练与电子神经网络几乎一样：把网络当作可微分计算图，用交叉熵损失 + 随机梯度下降做误差反向传播。唯一的区别是前向传播模型不是抽象的矩阵乘法，而是真实的衍射物理——用标量衍射传播描述光从输入到输出的过程，再用 FDTD 验证单元相位响应的准确性。

论文对 MNIST（手写数字）和 Fashion-MNIST（时尚物品）两个数据集分别训练了两个偏振通道的分类器，数值仿真中训练收敛精度都达到 99% 以上。图 3 展示了训练收敛曲线，以及神经元数量、检测区域大小对精度的影响。

图 3：MDNN 的数值演示。(a) 相位调制 MNIST 与 Fashion-MNIST 的训练收敛曲线，插图为两个分类器的性能对比，两者精度相近且随隐藏层层数增加可进一步提高；(b) MNIST 数据集分类精度随神经元数量的变化（不同检测区域尺寸）；(c) 检测平面上的仿真输出模式与能量分布百分比。

实验：双通道双任务，CMOS 直接出结果

论文做了完整的实物验证：

• 制造了偏振复用 TiO₂ 超表面，单个隐藏层含 280×280 共 78400 个 meta-neuron，面积 112×112 μm²；
• 输入用镂空铝掩模：通道 1（x 偏振）识别手写数字”0”和”1”，通道 2（y 偏振）识别”T 恤”和”运动鞋”；
• 输出直接由 CMOS 成像芯片采集——这是”片上”的关键：光穿过超表面后，芯片上的检测区域直接读出能量分布，不需要额外镜头；
• 实验分类结果与仿真96% 一致，能量正确聚集到目标检测区；残余偏差主要来自偏振片无法完全消除正交偏振光（串扰）。

在贴到 CMOS 之前，论文还用 CCD 在 0–100 μm 的衍射距离上验证了输出图像，确认器件行为符合设计。

图 4 是实验演示：器件与 CMOS 的集成示意、实物照片、掩模输入以及双通道分类的能量分布。

图 4：片上 MDNN 的实验演示。(a) 与 CMOS 芯片集成的 MDNN 分解示意图；(b) 片上 MDNN 实物照片；(c) 单个制造在 CMOS 成像传感器上的 MDNN 光学显微图；(d) 铝沉积后（左）与加 spacer 层后（右）形成的掩模；(e) 左：MDNN 的仿真输入/输出及其能量分布；右：最终超表面器件（上）、成像传感器探测到的输出场强（中）与实验结果的能量分布（下），比例尺 20 μm。

意义与展望

意义：这篇论文把”全光学习机”从自由空间推进到了芯片级，并且首次把”多任务”做进超表面光计算：偏振复用让一块静态超表面同时承载多个网络，神经元密度达到每平方毫米数百万量级，输出端直接是商用 CMOS——整个识别链路（光传播 + 光电转换）没有电子计算参与。这为机器视觉、自动驾驶、精准医疗等对速度、功耗和体积敏感的”前端识别”场景提供了可集成的物理层方案。

展望（从原理验证走向实际应用，仍有待推进的方向）：

1. 规模与复杂度：实物验证是单隐藏层 280×280 神经元、双通道各识别两类物体；论文指出更复杂任务需要多层网络（套刻光刻制造），多层片上超表面的对准与效率是下一步值得攻克的方向；
2. 真实场景输入：实验用铝掩模编码输入，实际应用需要把真实场景的光学信息耦合进 112×112 μm² 的孔径，前端光学方案是走向落地的重要一环；
3. 偏振隔离度：输出端能量有少量串扰（实验与仿真 96% 一致），改进偏振片的消光性能可进一步提升通道隔离度；
4. 非线性能力：光传播是线性过程，MDNN 目前没有非线性激活层，引入光学非线性是扩展表达能力的方向；
5. 集成距离：超表面与 CMOS 之间仍需要一定衍射传播距离（验证时 0–100 μm），进一步压缩到”零厚度直接贴合”是工程化的目标。

参考资料

• Luo, X., Hu, Y., Ou, X., Li, X., Lai, J.-M., Liu, N., Cheng, X., Pan, A., Duan, H. “Metasurface-enabled on-chip multiplexed diffractive neural networks in the visible.” Light: Science & Applications 11(1): 158 (2022). DOI 页面 · arXiv 开放全文
• Lin, X., Rivenson, Y., Yardimci, N. T., Veli, M., Luo, Y., Jarrahi, M., Ozcan, A. “All-optical machine learning using diffractive deep neural networks.” Science 361(6406): 1004–1008 (2018). DOI 页面
• Luo, X. et al. “Metasurface-enabled on-chip multiplexed diffractive neural networks in the visible.” Semantic Scholar 记录（被引 282 次，2026-08-09 检索）. Semantic Scholar
• Liu, T., Qiu, J., Shi, X., Liu, Q., Xiao, S. “Flat optics for analog computing: from fundamental mechanisms to advanced meta-processors.” arXiv:2604.16849 (2026). arXiv 页面
• Zhou, H., Zhao, C., He, C., Huang, L., Man, T., Wan, Y. “Optical computing metasurfaces: applications and advances.” Nanophotonics 13(4): 419–441 (2024). DOI 页面