全光衍射深度神经网络（D²NN）依托自由空间衍射干涉完成计算，将深度学习模型直接映射到光学物理层，具备低功耗、光速推理、天然并行的核心优势，是光计算、片上智能感知领域的主流技术路线。但长期以来，经典 D²NN 存在一个固有约束：一套衍射结构只能支持单一传播方向的固定任务，正向、反向光路无法独立配置功能，浪费了传播方向这一物理维度，限制了系统复用能力、集成度与信息容量。
上海理工大学联合赫瑞瓦特大学团队，借助自旋解耦型超表面镜像双极性物理效应，把光传播方向作为全新设计自由度，提出方向性衍射深度神经网络 D-D²NN（Directional diffractive neural network）。相同圆偏振光从超表面正向、反向入射时，会受到两套完全独立的波前调制。在此基础上联合调控传播方向与层间距，在单套多层超表面系统内构建多组独立计算通道，依次实现双向图像分类、全光四则运算处理器、高容量多通道信息加密平台，为太赫兹光计算、全光安全通信开辟新范式
一、核心痛点：传统 D²NN 的维度瓶颈
经典衍射神经网络的权重被固化在衍射层相位分布上，光路单向工作：
-
功能单向绑定：一套 D²NN 只能在单方向执行一类任务，反向入射不具备可独立设计的智能处理能力，缺少方向复用自由度；
-
复用通道不足：传统超表面全息与衍射架构多依靠偏振、波长复用，照射模式受限，难以在同一硬件上灵活切换多类复杂任务；
-
信息容量与安全约束：单通道架构下，信息传输、加密只能依靠单一密钥，难以实现多密钥解耦、大容量密文分发。
自旋解耦超表面为破局提供物理基底：该类超原子可以对左旋 / 右旋圆偏振两个正交自旋分量独立赋相，同一束圆偏振光沿正向、反向穿过超表面，会经历两套互不耦合的相位调制，天然支持正反方向两套独立神经网络权重编码。
二、方案设计：三层自旋解耦超表面搭建 D-D²NN
2.1 核心物理机制：方向自由度 + 层间距联合复用
研究采用三层自旋解耦超表面级联架构，同时引入两个调控维度：
✅ 传播方向：正向入射、反向入射对应两组独立相位掩膜，实现正反任务解耦；
✅ 超表面层间距：自由空间传播相位随距离变化，切换层间距即可进一步切换通道功能。
两个维度组合，最终形成方向 - 距离二维复用空间，生成 4 个相互独立的功能通道。
模型训练采用多对多图像映射优化算法，区别于传统超表面全息固定照明模式的设计思路，可把多组输入图像映射到多组独立输出，适配图像分类、数值运算、密文解码等多样化任务，不再局限于简单全息重构。
设计逻辑：每个超原子同时编码正向相位、反向相位；通过反向传播优化，把神经网络权重嵌入几何相位与传播相位，物理层面完成模型固化。
2.2 系统架构
图 1 为 D-D²NN 整体概念示意图：
同一组密文输入，当层间距为 d₁时，正向、反向解码得到两组文本明文；切换层间距至 d₂后，相同密文又在正反通道输出另一组图像明文。距离与方向共同构成解密密钥。
图 2 对比传统 D²NN 与 D-D²NN：
A：传统 D²NN 单向功能；D-D²NN 双向独立可编程；
B：正反方向独立波前调控原理；
C/D：自旋解耦超原子仿真、相位测试与样品实物；
E：太赫兹实验光路，以左旋圆偏振（LCP）太赫兹波作为工作光源完成验证。
三、三大实验验证：分类｜四则运算｜信息加密
3.3.1 双通道：双向图像分类器（图 3）
两个复用通道，方向直接切换数据集任务：
正向 LCP 入射：完成 MNIST 手写数字分类（6/7/8 样本）；
反向 LCP 入射：完成 Fashion-MNIST 时尚商品分类（运动鞋、外套、裤子）。
仿真与实验电场分布、输出能量光斑匹配，混淆矩阵验证双向分类均具备良好识别精度。同一套硬件，光路方向翻转即完成任务切换，实现硬件层面的多任务切换。
3.3.2 四通道：全光类计算处理器（图 4）
联合控制方向 + 层间距，解锁加法、减法、乘法、除法四路并行运算通道：
层间距配置方案 1：正向 = 加法、反向 = 减法；
层间距配置方案 2：正向 = 乘法、反向 = 除法。
输入数字组合（如 "62""71"），D-D²NN 直接在输出面用光场分布给出四则运算结果，在光学硬件上实现无源、并行的数值计算单元。该方案不需要光电转换，纯衍射干涉完成计算。
3.3.3 四通道高容量信息加密平台（图 5）
将明文预先编码为统一密文，方向、层间距共同作为解密密钥：
4 组密钥对应 4 条独立解码通道；
同一密文输入，只有密钥匹配时，才能还原对应明文（文字、图像信息）；
多通道分离传输，信息分散存储，大幅提升加密容量与破译难度。
这套加密方案依托全光衍射完成解码，密钥隐藏在光学结构参数与光路传播方向中，和传统数字加密体系形成差异化的物理层加密思路。
四、研究创新点总结
-
范式创新：首次将光传播方向作为独立自由度引入衍射神经网络，提出 D-D²NN 架构，打破 D²NN 单向功能的固有范式，实现方向依赖的可编程全光信息处理；
-
物理与方法创新：利用自旋解耦超表面镜像双极性特性，实现正反光路权重解耦；提出多对多图像映射优化方法，摆脱传统超表面全息对照明光束类型的限制，拓展衍射网络适配任务范围；
3.应用创新：在单套无源超表面硬件上一体化演示图像识别、全光四则运算、多通道物理加密三类典型应用，打通光计算硬件、全光信息安全两个场景。
五、研究价值与展望
D-D²NN 把自旋光子调控、超表面工程、衍射机器学习融合，在太赫兹波段完成原理验证。相比电子算力，无源光学推理不存在时钟延迟、功耗极低；方向 - 距离复用机制可以持续拓展通道数量，提升硬件集成密度。
后续方向可拓展至可见光 / 红外波段、动态可调自旋超表面，实现可重构方向复用网络；有望应用在高速并行光计算芯片、太赫兹安全通信、多模态光学感知、片上加密传感系统。