Mie Optical Computing
本文提出了一种紧凑型神经形态光学计算范式，其中单个米散射体通过其在矢量球谐函数基底下的 T 矩阵来编码可训练变换，在实现与单层神经网络相当的 MNIST 分类准确度的同时，克服了传统衍射处理器存在的参数密度限制。
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
光学计算是一个寻求利用光而非电来处理信息的领域。几十年来，科学家们已经知道光可以以极高的速度传输数据且几乎没有延迟，这为实现更快、更节能的计算机提供了一条潜在路径。构建这些光学计算机的传统方法通常依赖于由许多薄层组成的复杂堆叠，类似于建造多层蛋糕的方式。每一层都作为一个微小的滤波器或镜面，在光穿过时对其进行调整。虽然这种方法很有效，但这些系统会变得臃于笨重且难以缩小，因为光需要空间来扩散并与每一层发生相互作用。根本的挑战在于，如何在不丧失执行复杂任务能力的前提下，将足够的计算能力压缩进微小的空间中。
在最近的一项研究中，来自俄罗斯ITMO大学和意大利布雷西亚大学的研究人员提出了一种完全不同的思考问题的方式。他们没有将工作分散到许多层中，而是提出了这样一个问题：一个微小的粒子能否承担起整个计算机处理器的工作？他们关注的是一种被称为“米氏散射体”（Mie scatterer）的特定类型粒子，这是一种能以复杂方式与光发生相互作用的小型球形材料。当光击中此类粒子时，它不仅仅是发生反射；它还会激发粒子内部各种取决于粒子尺寸和形状的内部振动，即“模式”。研究人员发现，通过精心设计该单一粒子内部的材料，他们可以将它变成一个可训练的计算机，仅通过其散射光的方式来进行计算。
团队通过让粒子解决一个经典问题来测试这一想法：识别手写数字。他们将从零到九的数字图像编码到光束的相位中。随后，这束光被聚焦到单个粒子上。当光击中粒子时，粒子的内部结构将光信号的不同部分混合在一起。研究人员随后测量了从粒子散射出的光强。通过分析这些散射光的模式，一个简单的探测器就可以确定显示的数字。该系统的关键是一个被称为“T矩阵”的数学工具，它精确描述了粒子如何将入射光转化为出射光。研究人员将该矩阵中的各项视为神经网络的“权重”，在训练过程中不断调整它们，直到粒子能够高度准确地识别数字。
结果令人瞩目。当粒子的直径约为所用光波长的15倍时，系统的测试准确率达到了约90%。这一性能水平与单层人工神经网络（该领域的标准基准）相当。研究表明，这样一个紧凑的单一物体可以像规模大得多的传统光学系统一样处理任务。此外，研究人员还证明，即使在测量非常靠近粒子的光（即近场）时，也能实现这种高性能。这是一个至关重要的细节，因为它表明此类设备可以直接集成到计算机芯片上，将光学处理器直接连接到电子电路，而无需笨重的透镜或长距离的光传输。
然而，研究人员也谨慎地指出，现实世界的物理法则对这些粒子的功能施加了严格限制。在现实世界中，材料不能凭空创造能量；它们只能吸收、反射或传输能量。这种被称为“被动性”（passivity）的原理限制了粒子所能执行的变换类型。研究发现，虽然这种物理约束略微降低了最高可能的准确率，但也使系统更加稳健。一个遵循这些物理定律的粒子不太容易受到信号中微小误差或噪声的影响。团队还探讨了粒子的对称性如何影响其性能，结果显示，一个完美的圆形对称粒子具有较少的独立操纵光的方式，这虽然限制了其复杂性，但也简化了其设计。
为了证明这不仅仅是一个理论练习，研究人员利用计算机设计了一个特定的、非吸收性的介质粒子，能够执行该任务。他们创建了一个虚拟粒子，其内部具有复杂的、非均匀分布的材料属性，本质上是雕刻出了一个独特的内部结构，使其充当完美的处理器。这种经过逆向设计的粒子实现了84%的准确率。虽然这种高度详细的结构在目前的技术条件下可能难以制造，但该模拟起到了原理验证的作用。它证明了一个有限的、被动的、具有现实材料参数的物体确实可以实现光学分类所需的复杂变换。
这项工作的意义不仅限于识别数字。研究强调，单个物体可以处理的信息密度远比此前认为的要高。传统的单层光学器件可能只有有限的可调节点，而单个散射体可以利用大量的内部模式来处理信息。研究人员计算得出，对于一个尺寸与光波长相当的粒子，其可调节参数的数量可以比同等面积的传统层高出数百倍。这为光学计算指明了一条新路径：目标不再是构建越来越大的层堆叠，而是设计更聪明、更复杂的单一元件。
这项工作也阐明了此类系统涉及的权衡。虽然单个散射体提供了参数密度的巨大提升，但它并未消除光到达粒子或在散射后被收集所需的传播距离。输入图像仍需经过准备和聚焦，输出也仍需被读取。然而，通过将整个可训练的变换集中在一个微小的体积内，该系统极大地缩小了计算单元本身的物理占用空间。这使其成为下一代紧凑型、高速光学处理器的有力竞争者，这些处理器最终有望集成到未来的芯片中。
最后，论文展示了一个引人入胜的未来计算愿景。它表明，通过理解光与物质相互作用的深层物理学，我们可以将一个简单的、微小的粒子变成一个强大的处理器。研究人员已经证明，只要设计好物体的内部结构，复杂的模式识别任务就可以被编码进物体散射光的方式中。这种方法挑战了长期以来认为光学计算机必须庞大且多层的观念，转而提供了一条通往高密度、高效且物理上可实现的智能光学计算之路。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。