Optische computertechnologie is een vakgebied dat streeft naar het verwerken van informatie met behulp van licht in plaats van elektriciteit. Al decennia weten wetenschappers dat licht gegevens met ongelooflijke snelheden en bijna zonder vertraging kan vervoeren, wat een potentieel pad biedt naar snellere en energiezuinigere computers. Traditionele benaderingen voor het bouwen van deze optische computers vertrouwen vaak op complexe stapels van vele dunne lagen, vergelijkbaar met hoe een meerlagige taart wordt opgebouwd. Elke laag fungeert als een klein filter of spiegel die het licht aanpast terwijl het erdoorheen passeert. Hoewel effectief, kunnen deze systemen lomp en moeilijk te verkleinen worden, omdat het licht ruimte nodig heeft om uit te spreiden en met elke laag te interageren. De fundamentele uitdaging is geweest om een manier te vinden om genoeg rekenkracht in een minuscule ruimte te verpakken zonder het vermogen om complexe taken uit te voeren te verliezen.

In een recente studie stelden onderzoekers van de ITMO Universiteit in Rusland en de Universiteit van Brescia in Italië een radicaal andere manier voor om over dit probleem na te denken. In plaats van het werk te verspreiden over vele lagen, vroegen zij zich af of één enkel, minuscuul deeltje het werk van een hele computerprocessor zou kunnen doen. Ze concentreerden zich op een specifiek type deeltje dat bekend staat als een Mie-verstrooiingscentrum (Mie scatterer), een kleine bol van materiaal die op een complexe manier met licht interageert. Wanneer licht zo'n deeltje raakt, kaatst het niet alleen weg; het exciteert een verscheidenheid aan interne trillingen, of modi, binnen het deeltje die afhangen van de grootte en vorm van het deeltje. De onderzoekers ontdekten dat ze door de het materiaal binnen dit enkele deeltje zorgvuldig te ontwerpen, dit konden veranderen in een trainbare computer die berekeningen uitvoert simpelweg door de manier waarop het licht verstrooit.

Het team testte dit idee door het deeltje een klassiek probleem te laten oplossen: het herkennen van handgeschreven cijfers. Ze namen afbeeldingen van cijfers, van nul tot negen, en codeerden deze in de fase van een lichtstraal. Dit licht werd vervolgens op het enkele deeltje gefocust. Terwijl het licht het deeltje raakte, mengde de interne structuur van het deeltje de verschillende delen van het lichtsignaal met elkaar. De onderzoekers maten vervolgens de intensiteit van het licht dat van het deeltje wegverstrooid werd. Door het patroon van dit verstrooide licht te analyseren, kon een eenvoudige detector bepalen welk cijfer werd getoond. De sleutel tot dit systeem was een wiskundig hulpmiddel genaamd een T-matrix, die precies beschrijft hoe het deeltje het inkomende licht transformeert naar uitgaand licht. De onderzoekers behandelden de invoer van deze matrix als de "gewichten" van een neuraal netwerk, waarbij ze de matrix aanpasten tijdens een trainingsproces totdat het deeltje zeer nauwkeurig werd in het identificeren van de cijfers.

De resultaten waren opmerkelijk. Wanneer het deeltje zo werd gekozen dat de diameter ongeveer 15 keer de golflengte van het gebruikte licht bedroeg, bereikte het systeem een testnauwkeurigheid van ongeveer 90 procent. Dit niveau van prestatie is vergelijkbaar met een enkelvoudig kunstmatig neuraal netwerk, een standaard benchmark in het vakgebied. De studie toonde aan dat dit enkele compacte object de taak even goed kon afhandelen als veel grotere, meer traditionele optische systemen. Bovendien toonden de onderzoekers aan dat deze hoge prestaties bereikt konden worden, zelfs wanneer het licht zeer dicht bij het deeltje werd gemeten, ook wel het nabijveld (near-field) genoemd. Dit is een cruciaal detail, omdat het suggereert dat een dergelijk apparaat direct op een computerchip geïntegreerd kan worden, waarbij de optische processor direct wordt verbonden met elektronische circuits zonder dat daar volumineuze lenzen of lange afstanden voor nodig zijn voor het licht om te reizen.

De onderzoekers merkten echter zorgvuldig op dat de echte fysica strikte regels oplegt aan wat deze deeltjes kunnen doen. In de echte wereld kunnen materialen geen energie uit het niets creëren; ze kunnen het alleen absorberen, reflecteren of doorgeven. Dit principe, bekend als passiviteit, beperkt de soorten transformaties die het deeltje kan uitvoeren. De studie vond dat hoewel deze fysieke beperking de maximale mogelijke nauwkeurigheid enigszins vermindert, het het systeem ook robuuster maakt. Een deeltje dat deze natuurwetten volgt, is minder waarschijnlijk onderhevig aan kleine fouten of ruis in het signaal. Het team onderzocht ook hoe de symmetrie van het deeltje de prestaties beïnvloedt, waarbij werd aangetoond dat een perfect rond, symmetrisch deeltje minder onafhankelijke manieren heeft om licht te manipuleren, wat de complexiteit beperkt maar het ontwerp vereenvoudigt.

Om te bewijzen dat dit concept niet slechts een theoretische oefening is, gebruikten de onderzoekers een computer om een specifiek, niet-absorberend dielektrisch deeltje te ontwerpen dat de taak kon uitvoeren. Ze creëerden een virtueel deeltje met een complexe, niet-uniforme verdeling van materiaaleigenschappen, waarbij ze in feite een unieke interne structuur uithakten die fungeerde als de perfecte processor. Dit via inverse design gecreëerde deeltje behaalde een nauwkeurigheid van 84 procent. Hoewel deze specifieke, zeer gedetailleerde structuur met de huidige technologie moeilijk te fabriceren zou kunnen zijn, dient de simulatie als een bewijs van het principe. Het demonstreert dat een eindig, passief object met realistische materiaalparameters inderdaad de complexe transformaties kan realiseren die vereist zijn voor optische classificatie.

De implicaties van dit werk strekken zich uit voorbij het herkennen van cijfers. De studie benadrukt dat de dichtheid van informatie die een enkel object kan verwerken veel groter is dan voorheen werd aangenomen. Terwijl een traditionele optische laag een beperkt aantal verstelbare punten kan hebben, kan een enkel verstrooiingscentrum een enorm aantal interne modi gebruiken om informatie te verwerken. De onderzoekers berekenden dat voor een deeltje dat vergelijkbaar is in grootte met de golflengte van het licht, het aantal verstelbare parameters honderden keren hoger kan zijn dan in een conventionele laag van hetzelfde oppervlak. Dit suggereert een nieuwe weg voorwaarts voor optische computertechnologie, waarbij het doel niet is om steeds grotere stapels lagen te bouwen, maar om slimmere, complexere enkelvoudige elementen te ontwerpen.

Het werk verduidelijkt ook de afwegingen die bij een dergelijk systeem komen kijken. Hoewel het enkele verstrooiingscentrum een enorme toename in parameterdichtheid biedt, elimineert het niet de noodzaak voor licht om een bepaalde afstand af te leggen om het deeltje te bereiken of om na de verstrooiing te worden verzameld. De invoerafbeelding moet nog steeds worden voorbereid en gefocust, en de uitvoer moet nog steeds worden uitgelezen. Echter, door de gehele trainbare transformatie te concentreren in één klein volume, vermindert het systeem de fysieke voetafdruk van de computerunit zelf drastisch. Dit maakt het een veelbelovende kandidaat voor de volgende generatie compacte, snelle optische processors die uiteindelijk geïntegreerd kunnen worden in de chips van morgen.

Uiteindelijk presenteert het artikel een overtuigende visie op de toekomst van computertechnologie. Het laat zien dat we, door het diepe begrip van de fysica van de interactie tussen licht en materie, een eenvoudig, klein deeltje in een krachtige processor kunnen veranderen. De onderzoekers hebben aangetoond dat de complexe taak van patroonherkenning kan worden gecodeerd in de manier waarop een enkel object licht verstrooit, mits dat object is ontworend met de juiste interne structuur. Deze benadering daagt het langgehouden geloof uit dat optische computers groot en gelaagd moeten zijn, en biedt in plaats daarvan een pad naar dichte, efficiënte en fysiek realiseerbare optische intelligentie.