浙江大学信电学院钱超博士生（导师：陈红胜教授）提出并实验实现了基于衍射神经网络的光学逻辑计算，相关论文“Performing optical logic operations by a diffractive neural network”于2020年4月13日在线发表在Nature出版社旗下光学顶级期刊《Light: Science & Applications》上（最新影响因子14.0）。

光计算是一种以光子作为载体的新型计算技术，利用光的衍射、散射和干涉等固有特性，来处理复杂的计算任务。相比于传统的电子计算，它具有速度快、损耗少、算力高、信息畸变和失真小等优势。人们尝试引入光计算来提升信息处理的性能，分担电子计算机的计算压力，有望应用在无人驾驶、图像检测等对实时性要求高的场景。

光学逻辑计算，作为最基本的计算单元，对发展全光计算和混合光-电计算非常重要。目前的光逻辑实现方法主要是基于线性光干涉和材料的非线性光效应，这些方法往往需要精确控制输入光束/泵浦光的幅度，相位和极化等特性。如果将这些庞大复杂的光控制系统考虑进去，实际上很难实现逻辑单元的小型化和集成化，并容易引起计算结果的不稳定。

本论文从机器学习的角度出来，将光学逻辑计算等效为分类任务，提出了一种基于衍射神经网络的光学逻辑单元设计方法，并从理论上证明了此方法的可行性和完备性。如图所示，该设计方法不需要复杂的光控制系统，采用简单的平面波作为输入，通过选择性激活输入层的子区域，即可实现不同的逻辑计算功能。输入层的设计非常简单、灵活、普适，可采用允许/禁止平面波透过的方式或者根据实际应用场景需求采用用户自定义的方式。

图1基于衍射神经网络的光学逻辑计算原理

根据惠更斯-菲涅尔衍射原理，以与、或、非逻辑单元为例，研究者通过学习训练得到衍射神经网络的超参和权重系数，输出准确率达到100%。在微波实验中，研究者采用高效的介质超构表面作为神经网络的隐含层，成功验证了方案的可行性。该方法具有普适性和级联性，可以集成七种基本的逻辑功能或构建级联网络形成复杂的计算或者存储功能，且适用于太赫兹、光频和其它物理波。

除了衍射神经网络，研究者还指出其它的实现方案。在论文的补充材料中，作者利用时域有限差分求解器，结合拓扑优化算法，通过设计光波导的空间不均匀性，理论实现了片上紧凑型的光学逻辑计算单元。

该工作理论提出和实验实现了一种普适的多功能光逻辑运算设计方法，在加密无线通讯和场景增强等领域有广泛应用前景。不仅如此，该设计方法还可以扩展到自适应光学成像、快速目标跟踪和模式识别等领域。

这项工作的合作者包括浙江大学博士生林晓斌、本科生孙阳、李尔平教授，新加坡南洋理工学院林晓博士、张柏乐教授和加州理工学院博士生Jian Xu，通讯作者为林晓博士、张柏乐教授和陈红胜教授。该工作受到国家自然科学基金委杰出青年基金项目等项目资助。

文章链接：https://www.nature.com/articles/s41377-020-0303-2