Redes Neuronales de Difracción Multipunto y Multilámina Habilitadas por Metasuperficies

Resumen: Aprovechando el bajo consumo de energía y la alta velocidad de procesamiento, hay un interés creciente en las redes neuronales de difracción (DNNs), que típicamente se exhiben con dispositivos de impresión 3D, lo que lleva a grandes volúmenes, altos costos y bajos niveles de integración. Las metasuperficies pueden manipular de manera deseable los frentes de onda de las ondas electromagnéticas, proporcionando una plataforma compacta para imitar DNNs con funciones novedosas. Aunque el reconocimiento multicanal y de múltiples objetivos proporciona una comprensión más rica y detallada de entornos complejos, las arquitecturas existentes se entrenan principalmente para clasificar un solo objetivo en una longitud de onda específica. Se propone un enfoque de metasuperficie para diseñar DNNs multiplexados que puedan clasificar múltiples objetivos y secuencias espaciales a través de varias longitudes de onda en múltiples canales. Para realizar procesamiento multi-tarea, la metasuperficie dieléctrica se diseña en función de la multiplexión de fase y longitud de onda, lo que puede integrar DNNs de múltiples objetivos con diferentes tareas, como operar a longitudes de onda distintas y clasificar objetivos diversos. La eficacia de este método se ejemplifica a través de la simulación numérica y la demostración experimental de reconocer un solo objetivo con dos longitudes de onda, dos objetivos a una sola longitud de onda y dos objetivos a longitudes de onda duales. Este enfoque compacta de metasuperficie permite el diseño de DNNs multicanal y multilámina, abriendo una nueva ventana para desarrollar procesamiento masivamente paralelo y sistemas de inteligencia artificial versátiles.