文献解读 | 全光衍射神经网络：把机器学习写进光路（Science 2018）
这篇论文解读的是哪项工作
本文解读的是 2018 年 9 月发表在 Science 上的论文：All-optical machine learning using diffractive deep neural networks（DOI 10.1126/science.aat8084，arXiv 开放全文），作者是加州大学洛杉矶分校的 Xing Lin、Yair Rivenson、Nezih Yardimci、Muhammed Veli、Yi Luo、Mona Jarrahi 和 Aydogan Ozcan [S1]。
一句话概括：这篇论文把”神经网络”变成了物理器件——用 3D 打印的多层衍射面模拟神经网络，光穿过器件的过程就是网络前向推理的过程。 训练在计算机里完成，推理完全在光路中进行：输入一个手写数字图像，10 个探测器区域中对应类别的区域自动收集最多能量，分类就完成了 [S1]。
先解释本文的主角 D2NN：它是 Diffractive Deep Neural Network（衍射深度神经网络） 的缩写——一种把神经网络结构编码在多层无源衍射面上的光学计算架构。所谓”衍射”，指光在层与层之间的自由空间传播时自然发生的叠加与扩展；所谓”深度”，指网络由多层（论文里是 5 层）衍射面堆叠而成。光穿过这些衍射层的过程，等价于网络逐层执行前向推理 [S1]。
引言：从”电子里的网络”到”光里的网络”
深度学习靠多层人工神经网络从数据中学习模式。但传统神经网络运行在电子芯片上：图像要先被传感器变成电信号，再逐层经过矩阵乘法、激活函数，最后输出结果。每一步都有能耗和延迟。
能不能把网络”搬进”光路？光的传播本身就是一种大规模并行运算：一束光穿过一层相位调制面，每个像素的光场都被加权、叠加、衍射到下一层。如果多层这样的”衍射层”协作起来，整个光传播过程就是一个深度网络的前向传播 [S1]。与只承担单个运算的光学器件不同，D2NN 的野心更大：不做单个算子，做整个学习机。
D2NN 是什么：把网络”刻”进衍射层
D2NN 的物理结构很直观：输入平面（放置图像）→ 若干层相位衍射面 → 输出平面（放置探测器），如图 1 所示。
图 1：论文原图——D2NN 架构示意：输入平面、多层相位衍射层与输出探测器。来源：论文图 1（Lin 等，Science 361(6406), 2018；arXiv 开放版，仅作文献解读引用）。
每一层衍射面由大量亚波长到毫米级像素组成，每个像素只能改变透射光的相位（相位调制，0 到 2π），像一个”可编程透镜”。光从输入平面出发，依次穿过各层：每一层都相当于对光场做一次加权求和（神经网络的”线性层”），层与层之间的自由空间衍射则提供了”连接”，把前一层的输出耦合到下一层的所有位置——这正是全连接网络 [S1]。
论文的手写数字分类器用了 5 层 3D 打印衍射面：每层面积 8×8 cm，共约 20 万个”神经元”、约 80 亿个连接，层间距 30 mm。输出平面放了 10 个探测器区域，分别对应数字 0–9 [S1]。
怎么训练：计算在计算机里，执行在光路中
这套系统最关键的设计是”训练与推理分离” [S1]：
图 2：论文原图——训练后的相位层与 3D 打印 D2NN 的实验测试。来源：论文图 2（Lin 等，Science 361(6406), 2018；仅作文献解读引用）。
- 训练：先在计算机里建立”光传播的数学模拟器”——前向模型就是真实衍射物理（角谱传播 + 逐层相位调制）。把网络当作可微分的计算图，用标准的反向传播算法更新每一层每个像素的相位，让输出平面的能量尽量集中到正确类别对应的探测器区域 [S1]。
- 制造：训练结束后，每层的相位分布就固定下来了。论文用 3D 打印制造出这些相位层——打印误差、材料吸收、层间错位都会引入偏差，这是后文局限的来源 [S1]。
- 推理：制造好的器件是纯无源的。放上输入图像，光穿过 5 层衍射面，能量自动聚焦到对应数字的探测器。整个过程没有电子计算、没有电源 [S1]。
图 3 是手写数字分类器的实验结果：输入不同数字时，输出平面的能量集中在对应类别的探测器区域。
图 3：论文原图——手写数字分类器 D2NN：实验结果与输出平面能量分布。来源：论文图 3（Lin 等，Science 361(6406), 2018；仅作文献解读引用）。
实验结果：数字分类与成像透镜
论文做了两类实验 [S1]：
- 手写数字分类：3D 打印 5 层 D2NN，在 0.4 THz 连续波下工作（空气中波长 0.75 mm）。用 MNIST 测试集的 1 万张图像做数值验证，分类精度 91.75%；随后 3D 打印 50 个手写数字作为实物输入，验证了实验分类行为与数值结果一致。
- 成像透镜：用同一框架训练了”会聚焦成像的 D2NN”——5 层衍射面、约 45 万神经元、层间距仅 4 mm，比分类器紧凑得多。实验测得分辨率约 1.8 mm 线宽（数值测试约 1.2 mm）。
图 4 是成像透镜 D2NN 的实验结果。
图 4：论文原图——成像透镜 D2NN：5 层紧凑衍射网络对不同输入成像。来源：论文图 4（Lin 等，Science 361(6406), 2018；仅作文献解读引用）。
为什么选太赫兹？因为 0.4 THz 的波长（0.75 mm）对 3D 打印的加工精度非常友好——毫米级像素用普通 3D 打印机就能做。论文同时指出，同一框架可以用光刻等工艺向可见光、近红外推进 [S1]。
意义与局限
意义：这篇论文首次证明”多层无源光学器件能实现深度神经网络”这一概念。它的价值不在于刷新分类精度——91.75% 远不如当时电子网络——而在于确立了范式：用物理传播过程替代数字计算，训练可以离线完成，推理近乎零能耗、零延迟。此后衍射神经网络（D2NN）发展成一个独立方向，并持续向片上集成、可见光波段推进，论文被该领域广泛引用 [S2][S4]。
局限（对论文本身的评价）：
- 网络是线性的：光传播本身是线性过程，D2NN 没有非线性激活函数（论文用探测器响应/功率检测提供部分非线性），表达能力受限于”线性 + 取模”组合 [S1]；
- 权重固定不可重编程：3D 打印后相位就冻结了，换任务需要重新制造或改用空间光调制器（论文提到 SLM 是替代实现）[S1]；
- 精度与电子网络差距明显：91.75% 的 MNIST 精度显著低于当时的电子卷积网络，且对制造误差敏感（0.1 mm 随机错位 + 打印误差使精度降到 89.25%）[S1]；
- 实验在太赫兹低频段：波长 0.75 mm 使器件体积大（8×8 cm 层、30 mm 间距），向可见光推进需要更高精度加工，论文只给出方向性说明 [S1]。
参考资料
- [S1] 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 · arXiv 开放全文
- [S2] Lin, X. et al. “All-optical machine learning using diffractive deep neural networks.” Semantic Scholar 记录（被引 2315 次，2026-08-09 检索）. Semantic Scholar
- [S3] 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
- [S4] 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