上海理工大学庄松林院士领导的太赫兹技术创新研究院，提出了一种新颖的模块化衍射神经网络（MDNNs）架构，基于自旋解耦型超构表面的正交偏振转换能力及镜像双极性特性，通过引入模块化编程概念，实现了类似乐高的空间可组装模块化全光神经网络架构。研究成果以“Modular Diffractive Neural Networks Using Cascaded Metasurfaces”为题发表在《Laser & Photonics Reviews》期刊上（IF=10，中科院一区），硕士生王冠南为第一作者，臧小飞教授、朱亦鸣教授为通讯作者。
本研究针对现有衍射神经网络在组装**网络层后无法产生多功能的局限性问题，提出基于级联超构表面的模块化衍射神经网络新架构。创新性地将模块化编程概念引入全光神经网络设计，实现类似乐高的模块化多功能切换以及高安全信息传输。研究团队使用级联自旋解耦型超构表面构造MDNNs，通过实验验证了MDNNs中的每个网络层可以作为**模块工作以分别处理相应任务（手写字母识别和时尚产品识别），同时这些模块可以被空间组装以产生新的神经网络，实现不同于**模块的额外功能（手写数字识别）；进一步，通过改变这些模块的空间组装顺序，MDNNs能够切换其神经网络模式以实现功能复用（成像功能）。此外，研究团队将MDNNs框架进行推广和应用，提出一种高安全信息传输方法：将字母、数字、元素符号和动物图像这四种类型的信息加密成多种密文，只有使用由MDNNs组成的密钥才能对其进行解密。该研究成果将为智能光子系统实现实时多任务处理和高效资源利用开辟新的可能，有望推动下一代全光计算技术的发展。
