🔬 optics

Beyond the Thin-Layer Limit: Differentiable Volumetric Training for Visible-Range Diffractive Neural Networks

本文介绍了一种可微的束传播训练方法，该方法将衍射层建模为有限厚度的体积，克服了薄层近似的局限性，从而能够实现高精度、符合制造一致性的可见光波段衍射神经网络。

原作者： Dineth Jayakody, Dushan N. Wadduwage

发布于 2026-06-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Dineth Jayakody, Dushan N. Wadduwage

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图建造一台超高速、光速运行的计算机，它不使用电力，而是利用光束来解决诸如识别人脸或对图像进行分类等问题。这种技术被称为衍射深度神经网络（D2NN）。你可以把它想象成一叠透明的有图案的玻璃片。当光线穿过它们时，这些图案会以非常特定的方式弯曲和扭转光线，从而在光线到达摄像头之前就“计算”出答案。

长期以来，科学家们只能使用太赫兹波（一种波长较长的光，类似于无线电波）来建造这些光计算机。这很容易实现，因为它们的“神经元”（玻璃上的微小图案）非常大——大约有一个沙粒那么大。你可以轻松地进行3D打印。

然而，现实世界中的照相机和我们的眼睛运作在可见光范围内（即我们看到的颜色）。为了让这些计算机在可见光下工作，玻璃上的图案需要变得极其微小——缩小数千倍。这就是问题所在。

问题所在：“平面地图”的错误

多年来，科学家们在设计这些可见光计算机时使用了一种捷径。他们将每一层玻璃都视为无限薄的，就像一张纸或一张平面的地图。

类比： 想象你正在尝试使用一张2D纸质地图来导航一座城市。对于一个平坦的城市，这效果很好。但如果你试图用这张平面的地图去导航一座拥有高耸入云的摩天大楼的多层城市，你就会迷路。地图没有考虑到建筑的高度。
现实情况： 在可见光计算机中，所使用的材料不够致密，无法瞬间弯曲光线。为了让光线产生正确的弯曲程度，玻璃上的“图案”实际上需要具有一定的厚度（就像一个小山丘或一个3D雕塑）。
失败原因： 当科学家使用这种“平面图”（薄层）方法设计这些系统时，计算机在模拟中表现完美。但当他们制造出真实的、厚实的3D结构时，光线在“山丘”内部会变得混乱，导致计算机无法识别图像。设计与现实不符。

解决方案：“3D蓝图”

本文作者 Jayakody 和 Wadduwage 意识到，问题不在于光的尺寸，而在于层的厚度。他们引入了一种新的训练方法，称为可微体积训练（ $\partial$ BPM）。

类比： 他们不再使用平面的纸质地图，而是开始使用3D建筑蓝图。他们教会了计算机去“看见”光线是如何穿过玻璃厚度进行传播的，而不只是从表面反射。
工作原理： 他们创建了一个数字模型，其中每一层计算机都是一个实心的材料块。在训练过程中，计算机会模拟光线穿过这个块体时的过程，考虑光线在移动经过“山丘”时是如何减速和扭转的。
神奇之处： 由于这个3D模型是“可微的”（在数学上是平滑的），计算机可以使用标准的学习技巧来自动调整3D山丘的形状。它能学会设计出完美的3D形状来引导光线，确保它所设计的正是可以被制造出来的实物。

结果：从 50% 到 90%

团队在著名的图像数据集（如手写数字和时尚单品）上测试了这种新方法。

旧方法（平面地图）： 当他们使用旧的“薄层”方法进行训练，并在真实的厚实3D结构上进行测试时，其准确率仅为 50%。它基本上是在瞎猜。
新方法（3D蓝图）： 当他们使用这种新的“体积”训练方法时，准确率跃升至 90%。
证明： 为了绝对确保准确，他们将最终设计通过了一个超精确的物理模拟器（称为 FDTD），该模拟器解决了基本的电磁学定律。新的设计依然表现完美，证明了“3D蓝图”方法创造的设计是符合物理现实且可靠的。

为什么这很重要

这篇论文解决了一个主要的瓶颈。它解释了为什么可见光光学计算机如此难以建造：我们一直在尝试用2D地图来设计3D山脉。通过转向一种尊重材料厚度的方法，作者们在高效的计算机设计与制造这些设备的物理现实之间架起了一座桥梁。

这意味着我们距离拥有像眼睛一样快速处理图像、且能以光速运行的低功耗光学计算机又近了一步。

技术摘要：超越薄层极限

问题陈述
衍射深度神经网络（D2NNs）为实现高效、光速的机器视觉光学前端提供了路径。虽然在利用毫米级神经元的太赫兹波段已有成熟的应用演示，但将 D2NNs 转化到可见光范围已被证明具有挑战性。尽管最近的制造进展（例如 ImpCarv）已经实现了纳米级特征，但可见光范围内的 D2NNs 在性能上仍无法匹配其太赫兹对应物。

本文指出，主要的障碍并非制造纳米级神经元的难度，而是训练方法论中存在的一个根本性缺陷：薄层近似（thin-layer approximation）。标准的 D2NN 训练将每个衍射层视为一个无限薄的复数透射掩模。这一假设在利用高折射率材料（ $n \approx 1.65–1.72$ ）的太赫兹系统中是成立的，因为在这种情况下，所需的形貌结构相对于波长而言是非常薄的。然而，可见光范围内的 D2NN 通常使用低到中等折射率的材料（ $n \approx 1.3–1.5$ ，例如聚合物和水凝胶）。为了利用这些材料实现必要的相位调制，物理形貌结构必须显著增厚。在这些条件下，层内衍射、累积相位积累以及与厚度相关的场演化变得显著，导致在使用薄层模型进行训练时，会出现严重的“设计与器件失配（design-to-device mismatch）”。

方法论：可微体积训练 ( $\partial$ BPM)
为了解决这一问题，作者引入了可微光束传播 ( $\partial$ BPM) 层。与将相位调制应用于单个轴向平面的薄层基准不同， $\partial$ BPM 层将每个衍射元件建模为一个具有有限厚度的体积。

关键技术组件包括：

体积离散化： 将物理高度图离散化为 $N_{sub}$ 个轴向子切片。
可微软占用（Differentiable Soft Occupancy）： 使用 Sigmoid 函数来表示每个切片的材料占用情况，确保高度图对于基于梯度的优化是可微的。
层内传播： 使用角谱法（ASM）模拟光在体积中的传播。对于每个切片，光场经历相位延迟（基于局部材料占用）并沿切片厚度 ( $\Delta z$ ) 进行轴向传播。
端到端可训练性： 梯度通过整个体积堆叠和自由空间传播步骤进行反向传播，这使得网络可以直接优化有限厚度的几何结构，而无需在训练循环中使用全波模拟（如 FDTD）。

关键结果
作者在分类（MNIST、Fashion-MNIST）和成像（MNIST、Fashion-MNIST、CIFAR-100）任务中评估了 $\partial$ BPM 框架相对于标准薄层基准的表现，特别关注了低到中等折射率区间（ $n \approx 1.3–1.5$ ）。

减少模型失配： 当使用薄层近似训练的模型在有限厚度体积前向模型下进行评估时，性能显著下降（例如，MNIST 的分类准确率降至约 50%）。相比之下，使用 $\partial$ BPM 训练的模型在体积评估下保持了高性能，在无需重新优化的情况下将准确率恢复至约 90%。
折射率依赖性： 模型失配在 $n \approx 1.3–1.5$ 范围内最为严重（这是可见光制造的典型范围），并随着折射率的增加而减弱，这证实了该问题是由低折射率材料所需的物理厚度驱动的，而非波长本身。
全波验证 (FDTD)： 为了验证物理真实性，作者导出了训练好的高度图，并使用直接求解麦克斯韦方程组的全波时域有限差分（FDTD）求解器对其进行了模拟。
- 分类： FDTD 验证显示， $\partial$ BPM 训练的结构达到了 90% 的准确率，而薄层训练的结构仅达到 50%。
- 成像： 在全波条件下评估时， $\partial$ BPM 训练的设计表现出比薄层设计更高的结构相似性（SSIM）和更低的归一化均方根误差（NRMSE）。

意义与主张
本文声称， $\partial$ BPM 层提供了一个可扩展的、具备物理感知能力的桥梁，连接了高效的光学神经网络优化与符合制造实际的衍射设计。通过将有限厚度传播直接嵌入训练循环，该框架消除了阻碍可见光范围 D2NNs 发展的设计与器件失配问题。

作者将这项工作定位为实现实用的可见光及低/中折射率自由空间光学神经网络的必要步骤。他们强调，虽然像 FDTD 这样的全波求解器提供了更高的保真度，但在端到端训练中计算成本过高； $\partial$ BPM 方法提供了一种计算上可行的替代方案，它在不要求在优化过程中进行全波模拟的前提下，保留了物理准确性。结果表明，只要训练方法能够考虑到衍射元件的体积特性，可见光范围内的 D2NNs 就可以通过可靠的性能得以实现。

问题所在：“平面地图”的错误

解决方案：“3D蓝图”

结果：从 50% 到 90%

为什么这很重要

技术摘要：超越薄层极限

类似论文