近日，上海理工大学庄松林院士领导的太赫兹技术创新团队成员臧小飞和朱亦鸣教授联合英国赫瑞瓦特大学陈献忠教授课题组，提出了一种可以同时处理多个波长和多个目标的太赫兹衍射神经网络方法；相关研究实现了单层神经网络同时识别双波长和双数字目标，即获得了单层神经网络的八分类多任务识别的并行处理。研究成果以“Metasurface enabled multi-target and multi-w**elength diffractive neural networks”为题发表于《Laser & Photonics Reviews》期刊(IF=9.8,中科院一区)，硕士生迟浩翔为论文的第一作者。
众所周知，衍射深度神经网络是一种基于光学衍射原理的深度神经网络。基于光学衍射行为，人们将图像、数字等目标转化为一组振幅和相位信息，能够较为精确的实现对输入信号的分类和识别。相应的神经网络架构一般采用基于深度学习算法的无源衍射层设计，经误差反向传播法训练之后，以接近光速的高速处理能力，实现多种机器学习的复杂功能。当前，实现衍射深度神经网络的手段主要依赖于3D打印(制造出了相应的光学器件,实现诸如手写数字和时尚产品的图像分类等)。然而传统的3D打印技术制备受制于打印精度的限制，无法突破高频段的实现更多功能的衍射深度神经网络的实现，严重阻碍了这一技术的发展。超构表面作为一种二维的超材料结构，能够非常灵活的调控电磁波的相位、偏振和振幅等波前物理参量，为衍射深度神经网络的功能实现提供了一种超薄、超紧凑的平台。另一方面，传统光学衍射神经网络往往争对单个波长的单个目标进行识别，如何同时进行多波长，多目标的并行识别是一个需要解决的问题。基于以上问题，本文提出利用单层超构表面实现多波长，多目标的并行识别：利用光波叠加原理和几何超构表面的正交自旋态双通道，把多波长任务和多目标识别任务同时加载至超构表面，有效的解决了多波长，多目标的并行识别，实现了单层神经网络的八分类多任务识别的并行处理。
文章链接：https://onlinelibrary.wiley.com/doi/10.1002/lpor.202401178
