DOI: https://doi.org/10.29026/oea.2026.250244
تاريخ النشر: 2026-01-01
المؤلف: Jiahao Wang وآخرون
الموضوع الرئيسي: الشبكات العصبية وحوسبة الخزانات
نظرة عامة
تقدم البحث حلاً بصريًا مبتكرًا يعتمد على البلورات السائلة القابلة للتعديل كهربائيًا، مصمم لمعالجة الصور القابلة لإعادة التكوين، وقادر على معالجة عدة معادلات تفاضلية عادية من الدرجة الأولى (ODEs) ذات معاملات متغيرة في المجال المكاني في وقت واحد. تستخدم المنهجية تحليل توسيع تايلور لدالة النقل المرتبطة بهذه المعادلات التفاضلية، مما يتماشى مع خصائص تعديل السعة المعقدة للبلورة السائلة. من خلال تغيير الجهد المطبق، يسمح النظام بتعديل مرن لمعاملات المعادلة التفاضلية. تظهر التحقق التجريبي فعالية النظام من خلال اختبارات مع كل من الإشارات المدخلة المصنعة والمعنوية، محققًا حسابًا متوازيًا يصل إلى 158 معادلة تفاضلية في قياس واحد.
تشير النتائج إلى أن الحل المقترح باستخدام البلورات السائلة (LC) لا يطابق فقط أداء الأجهزة التقليدية المعتمدة على الطباعة الحجرية، بل يقدم أيضًا مزايا كبيرة في المرونة وبساطة التصنيع. على عكس الأجهزة المعتمدة على الميتاسطح، التي تقتصر على الحسابات الثابتة بعد التصنيع، يسمح الطابع القابل لإعادة التكوين لحل البلورات السائلة بوظائف قابلة للتكيف، مستفيدًا من مكوناته من المواد اللينة. تعزز قدرات المعالجة البصرية عالية السرعة للنظام ودعمه لموجات متعددة إمكانياته لتطبيقات معالجة البيانات عالية الإنتاجية، بما في ذلك الشبكات العصبية الانكسارية الكاملة ومعالجة الإشارات المتقدمة. بشكل عام، يسلط هذا البحث الضوء على حل البلورات السائلة كحل واعد لمعالجة الإشارات واسعة النطاق المدمجة، فائقة السرعة، ومتعددة القنوات.
مقدمة
تسلط المقدمة الضوء على أهمية المعادلات التفاضلية في مجالات متنوعة، بما في ذلك الفيزياء، والطب الحيوي، والهندسة، حيث تعمل كأدوات أساسية لنمذجة الظواهر المعقدة. بينما تقتصر الحلول التحليلية على الحالات البسيطة، غالبًا ما يتم استخدام الطرق العددية للتطبيقات العملية. تواجه طرق معالجة البيانات التقليدية تحديات مثل خسائر النقل والسرعات البطيئة، مما يدفع لاستكشاف الحوسبة البصرية الكاملة كبديل عالي السرعة ومنخفض الطاقة. تم التحقيق في هذه التكنولوجيا لحل معادلات التفاضل في المجال المكاني باستخدام أنظمة ضوئية متنوعة.
على الرغم من التقدم، تكافح الهياكل البصرية الحالية مع تعديل نواة الحوسبة لمعادلات التفاضل، وخاصة تلك ذات المعاملات المتغيرة، والتي تكون شائعة في السيناريوهات الواقعية. يتناول هذا البحث هذه الفجوة من خلال اقتراح حل لمعادلات التفاضل العادية من الدرجة الأولى (ODE) ذات المعاملات المتغيرة (SAO-VODE Solver) باستخدام البلورات السائلة القابلة للتعديل كهربائيًا (LCs). يسمح الأسلوب المقترح بتعديل معاملات المعادلات التفاضلية من خلال تعديلات الجهد، مما يمكّن من الحلول المتزامنة عبر موجات متعددة. يتم إثبات فعالية الحل من خلال التطبيقات في توصيل الحرارة وديناميات الدوائر المقاومة والمكثف، مما يبرز إمكانياته في الحوسبة البصرية الفعالة والمتوازية ومتعددة المهام.
طرق
في هذا القسم، يصف المؤلفون منهجيتهم لحل المعادلات التفاضلية العادية من الدرجة الأولى (ODEs) ذات المعاملات المتغيرة باستخدام تقنيات تحويل فورييه وتوسيع تايلور. يركزون على السيناريوهات أحادية البعد حيث تعتمد كل من الإشارات المدخلة وتوزيع اتجاه البلورة السائلة (LC) على الإحداثي الأفقي \( x \). الشكل العام للمعادلة التفاضلية من الدرجة الأولى هو
\[
A f'(x) + B f(x) = g(x),
\]
حيث \( A \) و \( B \) هما المعاملات، و \( g(x) \) هي إشارة معروفة، و \( f(x) \) هي الدالة التي يجب تحديدها. من خلال تطبيق طريقة تحويل فورييه وتوسيع تايلور من الدرجة الأولى لترددات مكانية صغيرة \( k_x \)، يتم اشتقاق دالة النقل كالتالي
\[
H(k_x) = \frac{F(k_x)}{G(k_x)} \approx \frac{1}{B} \left(-i \frac{A}{B} k_x + 1\right).
\]
يمكن تنفيذ هذه الدالة باستخدام بلورة سائلة مسطحة قابلة للتعديل كهربائيًا، والتي تظل فعالة حتى مع تغير المعاملات \( A \) و \( B \).
يشتق المؤلفون أيضًا معامل النقل، الذي يُعبر عنه كالتالي
\[
H(\theta, \phi) = \cos\left(\frac{\phi}{2}\right) – i \sin\left(\frac{\phi}{2}\right) \sin^2(\theta),
\]
حيث \( \theta \) هو زاوية الاتجاه في المستوى للمدير LC. من خلال وضع LCs في الطائرة المترافقة لنظام 4f وإعادة صياغة التعبير، يحددون علاقة بين تأخير الطور \( \phi \) والمعاملات \( A \) و \( B \) من خلال
\[
\phi = 2 \arctan\left(\frac{A L}{B \lambda_f}\right).
\]
تسمح هذه العلاقة ببناء دوال النقل للمعادلات التفاضلية من خلال تعديل الطول الموجي العامل أو تطبيق جهد مختلف على LCs، مما يسهل حل المعادلات التفاضلية باستخدام حل ضوئي قائم على البلورات السائلة. يختتم القسم بوصف توزيعات الاتجاه المصممة لـ \( \theta \) على طول الإحداثي \( x \)، موضحة في الأشكال المرفقة.
نتائج
يقدم قسم النتائج نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية المستمدة من التجارب التي أجريت. تكشف التحليلات عن ارتباطات كبيرة بين المتغيرات قيد التحقيق، حيث تشير الاختبارات الإحصائية إلى قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، تظهر البيانات اتجاهًا واضحًا في الظواهر الملاحظة، مما يدعم الفرضيات الأولية المقترحة في البحث.
علاوة على ذلك، تتناول المناقشة تداعيات هذه النتائج، موضحة سياقها ضمن الأدبيات الحالية. لا تعزز النتائج الدراسات السابقة فحسب، بل تقدم أيضًا رؤى جديدة يمكن أن توجه اتجاهات البحث المستقبلية. يتم الاعتراف بحدود الدراسة، وتُقترح اقتراحات لمزيد من التحقيق لتعزيز فهم الآليات الأساسية المعنية. بشكل عام، تسهم النتائج في تقديم معرفة قيمة للمجال وتؤكد على أهمية الاستكشاف المستمر في هذا المجال.
مناقشة
يعد SAO-VODE Solver نظام حوسبة ضوئية جديد مصمم لحل عدة معادلات تفاضلية عادية من الدرجة الأولى (ODEs) ذات المعاملات المتغيرة في وقت واحد في المجال المكاني. باستخدام نظام بصري كلاسيكي 4f مع عدستين فورييتين وحل بلورة سائلة (LC) موضوعة في الطائرة المترافقة، يستفيد النظام من خصائص LCs القابلة للتعديل لضبط طور الإشارات المدخلة. يسمح ذلك بتنفيذ دوال نقل مختلفة تتوافق مع معادلات تفاضلية متنوعة، مما يمكّن من المعالجة المتوازية لعدة إشارات مدخلة. تظهر النتائج التجريبية قدرة النظام على حل المعادلات بدقة مستمدة من الدوال المثلثية والمتعددة الحدود، مع مخرجات تتطابق بشكل وثيق مع التنبؤات النظرية، مما يثبت فعالية النهج.
توضح الأبحاث أيضًا التطبيقات العملية لـ SAO-VODE Solver في حل المشكلات الواقعية، مثل توصيل الحرارة العابر وديناميات دوائر المقاومة والمكثف (RC). ينجح الإعداد التجريبي في رسم التغيرات الزمنية للإشارات المدخلة على توزيعات مكانية، مما يسمح بحل متزامن للعديد من المعادلات. تشير النتائج إلى درجة عالية من الدقة، حيث تبقى الانحرافات بين المخرجات التجريبية والنظرية ضمن الحدود المقبولة. تضع قدرة النظام على معالجة الإشارات عبر موجات متعددة وطبيعته القابلة لإعادة التكوين كأداة واعدة لتطبيقات معالجة البيانات عالية الإنتاجية، مقدمة مزايا على الحلول التقليدية المعتمدة على الميتاسطح من حيث المرونة وتعقيد التصنيع. بشكل عام، يمثل SAO-VODE Solver تقدمًا كبيرًا في معالجة الإشارات الضوئية، مع تطبيقات محتملة في مجالات متنوعة مثل الشبكات العصبية والتعرف على الميزات.
DOI: https://doi.org/10.29026/oea.2026.250244
Publication Date: 2026-01-01
Author(s): Jiahao Wang et al.
Primary Topic: Neural Networks and Reservoir Computing
Overview
The research presents an innovative electrically tunable liquid crystal-based optical solver designed for reconfigurable image processing, capable of simultaneously addressing multiple first-order ordinary differential equations (ODEs) with variable coefficients in the spatial domain. The methodology employs a Taylor expansion analysis of the transfer function associated with these ODEs, aligning it with the liquid crystal’s complex amplitude modulation characteristics. By varying the applied voltage, the system allows for flexible adjustment of the differential equation coefficients. Experimental validation demonstrates the system’s effectiveness through tests with both synthesized and meaningful input signals, achieving parallel computation of up to 158 differential equations in a single measurement.
The findings indicate that the proposed liquid crystal (LC) solver not only matches the performance of traditional lithography-based devices but also offers significant advantages in flexibility and fabrication simplicity. Unlike metasurface-based devices, which are limited to static computations post-fabrication, the LC solver’s reconfigurable nature allows for adaptable functionalities, leveraging its soft-matter components. The system’s high-speed optical processing capabilities and support for multiple wavelengths enhance its potential for high-throughput data processing applications, including all-optical diffractive neural networks and advanced signal processing tasks. Overall, this research highlights the LC solver as a promising solution for compact, ultra-fast, and multi-channel broadband signal processing.
Introduction
The introduction highlights the significance of differential equations in various fields, including physics, biomedicine, and engineering, serving as essential tools for modeling complex phenomena. While analytical solutions are limited to simple cases, numerical methods are often employed for practical applications. Traditional data processing methods face challenges such as transmission losses and slow speeds, prompting the exploration of all-optical computing as a high-speed, low-energy alternative. This technology has been investigated for solving calculus equations in the spatial domain using diverse photonic systems.
Despite advancements, existing optical architectures struggle with modulating the computing kernel of calculus equations, particularly those with variable coefficients, which are common in real-world scenarios. This study addresses this gap by proposing a spatially all-optical variable-coefficient first-order ordinary differential equation (ODE) solver (SAO-VODE Solver) utilizing electrically tunable liquid crystals (LCs). The proposed method allows for the modulation of ODE coefficients through voltage adjustments, enabling simultaneous solutions across multiple wavelengths. The solver’s effectiveness is demonstrated through applications in heat conduction and resistor-capacitor circuit dynamics, showcasing its potential for efficient, parallel, and multitasking optical computing.
Methods
In this section, the authors describe their methodology for solving first-order ordinary differential equations (ODEs) with variable coefficients using Fourier transform and Taylor expansion techniques. They focus on one-dimensional scenarios where both the input signals and the orientation distribution of the liquid crystal (LC) director depend on the horizontal coordinate \( x \). The general form of the first-order ODE is given by
\[
A f'(x) + B f(x) = g(x),
\]
where \( A \) and \( B \) are coefficients, \( g(x) \) is a known signal, and \( f(x) \) is the function to be determined. By applying the Fourier transform method and a first-order Taylor expansion for small spatial frequencies \( k_x \), the transfer function is derived as
\[
H(k_x) = \frac{F(k_x)}{G(k_x)} \approx \frac{1}{B} \left(-i \frac{A}{B} k_x + 1\right).
\]
This transfer function can be implemented using an electrically tunable planar liquid crystal, which remains effective even with varying coefficients \( A \) and \( B \).
The authors further derive the transmission coefficient, which is expressed as
\[
H(\theta, \phi) = \cos\left(\frac{\phi}{2}\right) – i \sin\left(\frac{\phi}{2}\right) \sin^2(\theta),
\]
where \( \theta \) is the in-plane orientation angle of the LC director. By positioning the LCs at the confocal plane of a 4f system and reformulating the expression, they establish a relationship between the phase delay \( \phi \) and the coefficients \( A \) and \( B \) through
\[
\phi = 2 \arctan\left(\frac{A L}{B \lambda_f}\right).
\]
This relationship allows for the construction of transfer functions for the ODEs by adjusting the working wavelength or applying different voltages to the LCs, thereby facilitating the solution of ODEs using a liquid-crystal photonic solver. The section concludes with a description of the designed orientation distributions of \( \theta \) along the \( x \)-coordinate, illustrated in the accompanying figures.
Results
The results section presents the findings of the study, highlighting key outcomes derived from the experiments conducted. The analysis reveals significant correlations between the variables under investigation, with statistical tests indicating a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the data demonstrates a clear trend in the observed phenomena, supporting the initial hypotheses proposed in the research.
Furthermore, the discussion elaborates on the implications of these findings, contextualizing them within the existing literature. The results not only reinforce previous studies but also provide new insights that could inform future research directions. Limitations of the study are acknowledged, and suggestions for further investigation are proposed to enhance understanding of the underlying mechanisms at play. Overall, the findings contribute valuable knowledge to the field and underscore the importance of continued exploration in this area.
Discussion
The SAO-VODE Solver is a novel optical computing system designed to solve multiple first-order ordinary differential equations (ODEs) with variable coefficients simultaneously in the spatial domain. Utilizing a classic 4f optical system with two Fourier lenses and a liquid crystal (LC) solver positioned at the confocal plane, the system leverages the tunable properties of LCs to adjust the phase of input signals. This allows for the implementation of different transfer functions corresponding to various ODEs, enabling parallel processing of multiple input signals. Experimental results demonstrate the system’s capability to accurately solve equations derived from trigonometric and polynomial functions, with outputs closely matching theoretical predictions, thus validating the effectiveness of the approach.
The research further illustrates practical applications of the SAO-VODE Solver in solving real-world problems, such as transient heat conduction and resistor-capacitor (RC) circuit dynamics. The experimental setup effectively maps temporal variations of input signals onto spatial distributions, allowing for the simultaneous solution of numerous equations. Results indicate a high degree of accuracy, with deviations between experimental and theoretical outputs remaining within acceptable limits. The system’s ability to process signals across multiple wavelengths and its reconfigurable nature position it as a promising tool for high-throughput data processing applications, offering advantages over traditional metasurface-based solutions in terms of flexibility and fabrication complexity. Overall, the SAO-VODE Solver represents a significant advancement in optical signal processing, with potential applications in diverse fields such as neural networks and feature recognition.