近日，东南大学毫米波国家重点实验室、东南大学电磁空间研究院、琶洲实验室智能超材料研究中心崔铁军院士团队联合北京大学李廉林教授，使用多层透射式数字编码超表面构建了可实时调节的全衍射式神经网络（可编程人工智能机，PAIM），成功实现了网络参数的实时编程和光速计算特性，并展示了多种应用案例，包括图像识别、强化学习和通信多通道编解码等，在国际上首次实现和展示了微波空间全衍射式可调神经网络。相关工作以A programmable diffractive deep neural network based on a digital-coding metasurface array为题发表在Nature Electronics上（影响因子33.686）。东南大学博士生刘彻和马骞（现为至善博后）为共同第一作者，崔铁军院士为通讯作者。
目前，人工智能的实现主要依赖两种技术，一是基于计算机的机器学习算法，一个典型的人工智能神经网络（artificial neural network，ANN）的实现，一般使用层级连接的人工神经元来模拟人脑神经元之间的连接和行为。通过大量数据的训练，ANN已能完成众多的智能任务，且在人脸识别、自动驾驶、语音处理和医疗诊断等方面获得了大量应用。除了基于计算机和芯片实现的ANN网络，全光实现的ANN最近也被多个团队所提出。
目前，虽然光学衍射神经网络得以实现，但大都具有功能固化、不可调节、不支持参数修改、使用成本高等缺点，严重制约了其功能扩展。在未来的实际应用中，为了提高集成度和通用性，衍射神经网络必然会朝着多功能集成和可编程方向发展，因此可编程的衍射神经网络逐渐成为该领域的研究热点。近年来，现场可编程信息超表面的兴起为实现可编程的衍射神经网络提供了良好契机。崔铁军院士和李廉林教授团队依靠长期以来在现场可编程信息超表面的理论和技术积淀，率先使用多层透射式数字编码超表面实现了现场可编程的微波驱动的衍射神经网络硬件，称之为可编程人工智能机（PAIM）。PAIM通过透射式的超表面单元动态调控电磁波的幅度和相位，以此模拟人脑中神经元对信号的调控行为，同时通过电磁波在自由空间中的传播来实现各层单元之间的连接和通信，等效于神经元之间的连接。由此PAIM兼具智能化特性和光速的模拟信号处理能力，实现了众多新颖的应用，包括图像识别、基于强化学习的多波束聚焦和无线通信中的多用户编解码。未来通过将PAIM进一步集成化和小型化，有望将其用于5G通信、医学成像和物联网等领域。
供稿：信息科学与工程学院