基于Pancharatnam-Berry相位的机械可编程衍射神经网络

《Advanced Functional Materials》：Mechanically Programmable Diffractive Neural Networks Based on Pancharatnam-Berry Phase

提出基于PB相位元表面的机械可编程衍射神经网络，通过旋转元原子调制相位分布实现低功耗灵活计算，实验验证其在星座识别和手写数字分类中达100%准确率。

　　

摘要

本文介绍了一种基于Pancharatnam-Berry（PB）相位超表面的机械可编程衍射神经网络，该网络以可旋转的PB相位超原子作为基本构建单元。通过精确控制每个可编程超原子的旋转角度，可以实现PB相位分布的调制，从而使网络具备灵活的可编程性，以适应各种任务。该系统将无源网络的低功耗优势与可编程网络的灵活性完美结合，在保持最佳性能平衡的同时，实现了能耗的大幅降低。实验结果表明，该网络在多任务操作中具备机械可编程性和高精度分类能力（测试准确率为100%），包括生肖识别和手写数字分类。所提出的MP-DNN在矩阵计算过程中无需外部能源供应，在任务切换时仅消耗极少量电能，因此为可重构衍射神经网络提供了一种节能且低功耗的解决方案。

利益冲突

作者声明不存在利益冲突。