DOI: https://doi.org/10.1038/s41467-026-68310-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41519814
تاريخ النشر: 2026-01-11
المؤلف: Peijie Feng وآخرون
الموضوع الرئيسي: الشبكات العصبية وحوسبة الخزانات
نظرة عامة
يقدم هذا القسم نظرة عامة على التقدم في أجهزة معالجة موجات الفضاء الحرة، والتي تعتبر حاسمة لتعزيز أنظمة المعلومات البصرية في ظل تزايد الطلبات على البيانات. يبرز البحث استكشاف التعدد الضوئي والأجهزة القابلة لإعادة التكوين الديناميكي، مع التركيز بشكل خاص على إمكانية الآليات القابلة لإعادة التكوين ميكانيكياً ذات الحبيبات الخشنة كحل فعال من حيث التكلفة لتعزيز السعة. ومع ذلك، تواجه التطبيقات الحالية قيوداً في عدد القنوات بسبب التحولات الميكانيكية غير الكافية ونماذج التحسين غير المثلى.
لمعالجة هذه التحديات، يقترح المؤلفون شبكة مكعب سحري انكسارية (DMCN) تستفيد من نموذج شبكة عصبية عميقة انكسارية (D2NN) للتحسين المشترك للقنوات الناتجة عن العمليات الميكانيكية مثل التبديل، والترجمة، والدوران. تظهر النتائج التجريبية نجاح توليد هولوجرامات بـ 144 قناة، و108 قنوات تركيز فردي/ثنائي، و60 قناة لأشعة الزخم الزاوي المداري (OAM) أحادية/متعددة الوضع باستخدام عناصر بصرية انكسارية (DOEs). يعزز تقديم قانون الاتصال المعادل قابلية توسيع النموذج، مما يوفر نهجاً جديداً لزيادة سعة النظام بشكل كبير مع تقليل التداخل، مما يسهل التقدم في التخزين البصري، والحوسبة، والاتصالات، والفوتوليثوغرافيا.
مقدمة
تناقش المقدمة التقدم في أجهزة معالجة موجات الفضاء الحرة، مثل العناصر البصرية الانكسارية (DOEs)، والأسطح الميتا، والبلورات السائلة (LCs)، والتي تعتبر محورية لتطوير أنظمة المعلومات البصرية المبتكرة، بما في ذلك الهولوجرافيا والحوسبة البصرية. أدى الطلب المتزايد على سعة المعلومات المحسنة إلى أبحاث واسعة حول استراتيجيات التعدد الضوئي. بينما حققت الطرق المبكرة التي تستخدم الطول الموجي، والاستقطاب، والزخم الزاوي المداري (OAM) قنوات تعدد ضوئي محدودة، أظهرت الاختراقات الأخيرة، مثل تلك التي قام بها شينغ وآخرون، إمكانية التعدد الضوئي للاستقطاب غير العمودي، محققةً ما يصل إلى 11 قناة من خلال دمج الضوضاء المرتبطة.
يقدم البحث شبكة مكعب سحري انكسارية جديدة (DMCN) تتكون من ثلاث طبقات انكسارية، مما يزيد بشكل كبير من سعة التعدد الضوئي للأنظمة القابلة لإعادة التكوين ميكانيكياً. من خلال استخدام عمليات ميكانيكية ذات حبيبات خشنة—التبديل، والترجمة، والدوران—يمكن لـ DMCN إنشاء آلاف القنوات غير المستقلة. يذكر المؤلفون تحسيناً ناجحاً لطور الإرسال باستخدام شبكة عصبية عميقة انكسارية (D2NN)، محققين نتائج مثيرة للإعجاب، بما في ذلك هولوجرامات بـ 144 قناة وأشعة OAM بـ 60 قناة. كما يحدد البحث قوانين الاتصال النظرية لتعزيز قابلية التوسع ويحلل العلاقة بين عرض الطبقة، ومجال الرؤية، وعدد القنوات، ونسبة الإشارة إلى الضوضاء (SNR). يسمح تصميم DMCN بالتكامل السهل مع تقنيات التعدد الضوئي الأخرى، مما يمهد الطريق للتقدم في التخزين البصري، والعرض، والتشفير، والاتصالات.
طرق
يستعرض قسم الطرق التصميم التجريبي والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجاً كميًا، مع دمج التحليلات الإحصائية لتقييم البيانات المجمعة من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج المعنية.
بالإضافة إلى ذلك، استخدمت الدراسة أدوات إحصائية متقدمة، مثل تحليل الانحدار وANOVA، لتقييم أهمية النتائج. تم جمع البيانات من عينة تمثيلية، مما يضمن إمكانية تعميم النتائج على مجموعة سكانية أوسع. يبرز القسم صرامة الإجراءات التجريبية وقوة الأساليب التحليلية المستخدمة لاستنتاج النتائج من البيانات.
نتائج
يظهر قسم النتائج في الدراسة فعالية استراتيجية إعادة التكوين الميكانيكي في الهولوجرافيا متعددة القنوات، حيث تم تعزيز سعة قناة هولوجرافيا DMCN من 15 إلى 144 من خلال تحولات ميكانيكية متنوعة. باستخدام دالة خسارة MSE مع مصطلح تنظيم الكفاءة، تم تحسين جودة الصورة أثناء الحفاظ على كفاءة النظام، محققاً تشابهاً عالياً بين الهولوجرامات الناتجة وصور الحقيقة الأرضية، كما تشير إليه معامل ارتباط بيرسون (PCC) الذي يقارب 1 ونسبة إشارة إلى ضوضاء ذروة (PSNR) حوالي 19.9 ديسيبل. استكشفت الدراسة أيضاً التركيز الفردي/الثنائي متعدد القنوات، محققةً تحسين النموذج لتحقيق أنماط مركزة بأبعاد محددة، مما أدى إلى انخفاض التداخل والحفاظ على كفاءة تركيز عالية عبر 108 قنوات.
بالإضافة إلى ذلك، تم تطبيق نموذج DMCN لتوليد أشعة الزخم الزاوي المداري (OAM) أحادية ومتعددة الوضع، حيث تتطلب المجالات الناتجة تحسيناً متزامناً للسعة والطور. تم تدريب النموذج لإنتاج أشعة لاغير-غاوسية وتراكبات لعدة أوامر OAM، مما يظهر القدرة على تعزيز توازي نظام الاتصالات. أدى التحسين إلى تقليل القنوات القابلة لإعادة التكوين إلى 60، مع التركيز على تحسين نقاء مكونات OAM. تشير النتائج إلى نجاح توليد أشعة OAM عالية الطلب، مع تقديم مقاييس مفصلة وملفات طور في المواد التكميلية، مؤكدةً على مرونة النموذج وفعاليته في معالجة الحقول المعقدة.
نقاش
تظهر شبكة المكعب السحري الانكسارية المقترحة (DMCN) تقدمًا كبيرًا في التعدد الضوئي عالي السعة من خلال نظام قابل لإعادة التكوين ميكانيكياً. باستخدام نموذج انتشار أمامي يعتمد على شبكة عصبية عميقة (D2NN)، تقوم DMCN بفعالية بتعديل الضوء الساقط عبر ثلاث طبقات انكسارية، مما يولد حقل موجي مستهدف عند المخرج. يتم تعزيز مرونة النظام من خلال استخدام عمليات التبديل، والدوران، والترجمة، مما يؤدي إلى إجمالي 4,179 قناة محتملة لوظائف بصرية متنوعة، بما في ذلك هولوجرافيا بـ 144 قناة وأشعة OAM بـ 60 قناة. يتم تحقيق تحسين هذه القنوات من خلال خوارزمية انحدار التراجع، التي تقلل من التداخل وتعظم الأداء عبر القنوات المتصلة.
تدعم قابلية توسيع DMCN بشكل أكبر من خلال قانون اتصال معادل يسمح بفصل الأجهزة وتوسيع النطاق الترددي، مما يمكّن من نقل إعدادات المعلمات الفائقة المثلى من النماذج الصغيرة إلى الكبيرة. تسهل هذه القابلية التكيف توليد وظائف متنوعة، مثل أشعة OAM الديناميكية وقدرات التركيز القابلة للتخصيص، مع الحفاظ على كفاءات نظام عالية. يعتمد DMCN على وحدات تعديل الطور فقط البسيطة، مما يسمح بالتكامل مع أجهزة بصرية متنوعة ويمتد تطبيقه عبر نطاقات طيفية مختلفة. بشكل عام، تقدم DMCN نهجًا واعدًا لتعزيز أنظمة المعلومات البصرية، مع تطبيقات محتملة في الحوسبة البصرية، والاتصالات، والاستشعار.
DOI: https://doi.org/10.1038/s41467-026-68310-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41519814
Publication Date: 2026-01-11
Author(s): Peijie Feng et al.
Primary Topic: Neural Networks and Reservoir Computing
Overview
The section presents an overview of advancements in free-space wavefront manipulation devices, which are crucial for enhancing optical information systems amidst increasing data demands. The research highlights the exploration of optical multiplexing and dynamic reconfigurable devices, particularly emphasizing the potential of coarse-grained mechanically reconfigurable mechanisms as a cost-effective solution for capacity enhancement. However, current implementations face limitations in channel numbers due to insufficient mechanical transformations and suboptimal optimization models.
To address these challenges, the authors propose a diffractive magic cube network (DMCN) that leverages a diffractive deep neural network (D2NN) model for the joint optimization of channels generated through mechanical operations such as permutation, translation, and rotation. Experimental results demonstrate the successful generation of 144-channel holograms, 108-channel single/double focus, and 60-channel single/multi-mode orbital angular momentum (OAM) beams using diffractive optical elements (DOEs). The introduction of an equivalent connectivity law enhances model scalability, offering a novel approach to significantly increase system capacity while minimizing crosstalk, thereby facilitating advancements in optical storage, computing, communication, and photolithography.
Introduction
The introduction discusses advancements in free-space wavefront manipulation devices, such as diffractive optical elements (DOEs), metasurfaces, and liquid crystals (LCs), which are pivotal for developing innovative optical information systems, including holography and optical computing. The increasing demand for enhanced information capacity has led to extensive research on optical multiplexing strategies. While early methods utilizing wavelength, polarization, and orbital angular momentum (OAM) achieved limited multiplexing channels, recent breakthroughs, such as those by Xiong et al., have demonstrated the potential of non-orthogonal polarization multiplexing, achieving up to 11 channels by incorporating correlated noise.
The paper introduces a novel diffractive magic cube network (DMCN) comprising three diffractive layers, significantly increasing the multiplexing capacity of mechanically reconfigurable systems. By employing coarse-grained mechanical operations—permutation, translation, and rotation—the DMCN can construct thousands of non-independent channels. The authors report successful optimization of transmission phases using a diffractive deep neural network (D2NN), achieving impressive results, including 144-channel holograms and 60-channel OAM beams. The study also establishes theoretical connectivity laws to enhance scalability and analyzes the relationship between layer width, field of view, channel count, and signal-to-noise ratio (SNR). The DMCN’s design allows for easy integration with other multiplexing techniques, paving the way for advancements in optical storage, display, encryption, and communications.
Methods
The Methods section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Additionally, the study employed advanced statistical tools, such as regression analysis and ANOVA, to assess the significance of the findings. Data were collected from a representative sample, ensuring the results could be generalized to a broader population. The section emphasizes the rigor of the experimental procedures and the robustness of the analytical methods used to derive conclusions from the data.
Results
The results section of the study demonstrates the efficacy of a mechanically reconfigurable strategy in multi-channel holography, where the channel capacity of the DMCN holography was enhanced from 15 to 144 through various mechanical transformations. Utilizing an MSE loss function with an efficiency regularization term, the training optimized image quality while maintaining system efficiency, achieving high similarity between output holograms and ground truth images, as indicated by a Pearson correlation coefficient (PCC) of approximately 1 and a peak signal-to-noise ratio (PSNR) around 19.9 dB. The study also explored multi-channel single/double focus, optimizing the model to achieve focused patterns with specific dimensions, resulting in low crosstalk and maintaining high focusing efficiency across 108 channels.
Additionally, the DMCN model was applied to generate single and multi-mode orbital angular momentum (OAM) beams, with the output fields requiring simultaneous optimization of amplitude and phase. The model was trained to produce Laguerre-Gaussian beams and superpositions of multiple OAM orders, demonstrating the capability to enhance communication system parallelism. The optimization led to a reduction in reconfigurable channels to 60, with a focus on improving the purity of OAM components. The results indicate successful generation of high-order OAM beams, with detailed metrics and phase profiles provided in supplementary materials, confirming the model’s versatility and effectiveness in complex field manipulation.
Discussion
The proposed diffractive magic cube network (DMCN) demonstrates significant advancements in high-capacity optical multiplexing through a mechanically reconfigurable system. Utilizing a forward propagation model based on a deep neural network (D2NN), the DMCN effectively modulates incident light across three diffractive layers, generating a target wavefield at the output. The system’s flexibility is enhanced by employing permutation, rotation, and translation operations, resulting in a total of 4,179 potential channels for various optical functions, including 144-channel holography and 60-channel orbital angular momentum (OAM) beams. The optimization of these channels is achieved through a backpropagation gradient descent algorithm, which minimizes crosstalk and maximizes performance across the interconnected channels.
The scalability of the DMCN is further supported by an equivalent connection law that allows for hardware decoupling and bandwidth expansion, enabling the transfer of optimal hyperparameter settings from small-scale to large-scale models. This adaptability facilitates the generation of diverse functionalities, such as dynamic OAM beams and customizable focusing capabilities, while maintaining high system efficiencies. The DMCN’s reliance on simple phase-only modulation units allows for integration with various optical devices and extends its applicability across different spectral bands. Overall, the DMCN presents a promising approach for enhancing optical information systems, with potential applications in optical computing, communication, and sensing.