[发明专利]一种基于超构表面的全光衍射神经网络系统

权利要求书

1.一种基于超构表面的全光衍射神经网络系统，其特征在于：由入射物体光束、超构表面与CMOS图像处理器所组成；神经网络的层与层之间的传输通过光的衍射实现，即衍射层上的每一点均为一个次级球面波的子波源，下一层某一神经元的输入定义为上一层所有神经元的输出经过衍射传播在该神经元的叠加结果，而每个神经元的权重则定义为单元光学结构的相位和振幅，自输入层输入训练数据进而由光学衍射计算得到神经网络的输出结果，并通过误差反向传播不断训练优化每层神经元的相位与振幅；将计算机训练的全光神经网络结果通过电子束光刻EBL和原子层沉积ALD技术进行加工，超构表面体积小与结构紧凑的特点，用100μm的光学透明粘合剂与CMOS图像处理器胶合集成，通过CMOS图像处理器观测不同入射物体光束在探测区域的光强，实现多功能分类识别。

2.根据权利要求1所述的一种基于超构表面的全光衍射神经网络系统，其特征在于：在可见光范围内光学的TIO₂作为超构表面的材料，同时设置神经元周期为400nm，组成包含输入层、输出层与三层28×28像素的隐含层的全光神经网络，最后在输出观测平面划分10个间隔排列区域以获得最终识别。

3.根据权利要求1所述的一种基于超构表面的全光衍射神经网络系统，其特征在于：入射光入射到超构表面时，以衍射的形式在层与层之间传播，即衍射层上的每一点均为一个次级球面波的子波源，下一层某一神经元的输入定义为上一层所有神经元的输出经过衍射后在该神经元的叠加结果，在忽略振幅影响的情况下，定义每个神经元的权重为纳米单元的相位值，构造纯相位型全光神经网络，超构表面内封装的偏振态相位相互独立。

4.根据权利要求1所述的一种基于超构表面的全光衍射神经网络系统，其特征在于：采用特定的衍射传播函数在计算机中训练神经元的相位值，即通过光学衍射正向计算网络的输出，并结合误差反向传播优化目标函数，使得最后一层超构表面的出射光精确聚焦在理想的探测区域。

5.根据权利要求1所述的一种基于超构表面的全光衍射神经网络系统，其特征在于：全光神经网络的正向传播过程基于傅立叶光学，首先给出瑞利索末菲衍射公式的脉冲响应函数：

其中为衍射距离；

其中h为l+1层和l层之间的瑞利索末菲衍射公式的脉冲响应函数；

定义全光神经网络第l+1层光场为：

其中为第l层的入射光场，为单元结构的琼斯矩阵，结合式1-1与1-2推导出：

其中代表第l层的第i个神经元的输入光场，代表第l层的第i个神经元的琼斯矩阵，代表第l层的第i个神经元和第l+1层的第p个神经元之间的瑞利索末菲衍射公式的脉冲相应函数；

进一步得到最后一层衍射层的输出光场：

正向传播结束进行反向优化过程，定义损失函数为最后一层输出光场与理论目标光场的均方误差，对输出光场梯度化处理并化简后得到第l层为：

代表第l层的第i个神经元的输入光场，代表第l层的第i个神经元的X偏振琼斯矩阵。

6.根据权利要求1所述的一种基于超构表面的全光衍射神经网络系统，其特征在于：采用基于Tensorflow的深度学习框架，神经元周期为400nm，训练出包含输入层、输出层与三层28×28像素的隐含层的全光神经网络；采用特定的衍射传播函数训练神经元的相位值，即通过光学衍射正向计算网络的输出，并结合误差反向传播优化目标函数，获得理想的神经网络架构。