根据提供的文本内容，这是一篇发表于《Nanophotonics》期刊的综述文章，因此属于类型b。
光学计算超构表面：应用与进展
本文的作者是来自北京理工大学和北京工业大学的周宏强、赵崇利、何聪、黄玲玲（通讯作者）、满天龙和万玉红（通讯作者）。文章于2024年2月13日在线发表于《Nanophotonics》期刊第13卷第4期。这篇综述的核心主题是全面梳理和展望基于超构表面（Metasurface）的光学计算技术的最新研究进展、应用领域以及未来发展趋势。
综述的主要观点与阐述
文章首先在引言部分确立了光学计算作为应对人工智能时代算力瓶颈的关键新兴技术的地位。与传统电子计算相比，光学计算凭借光子并行性、高速度和低功耗的固有优势，为处理海量数据提供了极具潜力的替代方案。然而，传统光学计算系统面临器件集成度和便携性的挑战。超构表面的出现，作为一种由亚波长人工原子（meta-atoms）构成的二维平面结构，为光场的多维操控（包括振幅、相位、偏振、频率等）提供了前所未有的灵活平台，从而为光学计算的实用化、集成化和微型化开辟了新的道路。本文旨在系统介绍光学计算超构表面的基本原理、关键纳米结构单元、主流计算方法和多样化的应用场景，并分析其面临的挑战与未来发展方向。
观点一：超构表面的基本调制原理是其实现光学计算功能的理论基础。 文章详细阐述了超构表面实现光场调控的四种核心物理机制，这是理解其如何执行计算任务的前提。 1. 相位控制：这是超构表面最核心的调控能力。文章介绍了三种主要机制：基于纳米结构内部电磁共振的共振相位；基于光在纳米结构内传播路径累积的传播相位；以及依赖于各向异性纳米结构旋转角度、与自旋（spin）相关的几何相位（Pancharatnam-Berry phase）。通过精心设计纳米单元的几何参数（形状、尺寸、旋转角），可以实现0到2π范围的连续相位覆盖，从而任意重构光波前，这是实现光束偏转、聚焦、全息以及复杂光学变换（如傅里叶变换）的基础。 2. 振幅控制：主要通过调控纳米天线的透射率或反射率来实现。依据惠更斯-菲涅尔原理，通过优化超构表面上等效点源的分布，可以在成像平面设计所需的振幅分布图样。振幅型超构表面在全息和聚焦等领域应用广泛。 3. 偏振控制：利用各向异性纳米结构对不同偏振态光（线偏振或圆偏振）的差异化响应来实现。通过独立控制正交偏振本征模的响应，可以实现偏振转换、偏振测量和偏振成像等功能，为偏振编码的光学计算提供了可能。 4. 频率控制：利用纳米结构在特定频率下的局域共振增强效应。通过优化结构阵列，可以实现多频段操作（如高光谱成像）或增强非线性光学效应（如二次谐波、三次谐波产生），从而拓展光学计算的工作波段和功能维度。
观点二：构成光学计算超构表面的纳米结构单元材料多样，各具特色，决定了器件的性能和应用范围。 文章系统分类并评述了用于构建光学计算超构表面的几种关键纳米天线材料： 1. 电介质纳米天线：通常采用高折射率、低损耗的材料（如硅）。其优势在于传输效率高、欧姆损耗低，特别适用于可见光和近红外波段的高效光学器件。文中举例说明了全电介质超构表面如何用于实现方程求解器和模拟计算操作。 2. 等离子体或金属纳米天线：利用金属中自由电子与光耦合产生的表面等离激元（Surface Plasmon Polaritons, SPP）效应。虽然存在固有损耗，但其能实现极强的光场局域和增强，常用于构建紧凑型空间微分器、积分器等模拟计算单元。例如，金属-绝缘体-金属（MIM）结构被用于实现空间光学微分运算。 3. 可重构纳米天线：这类材料的光学性质可通过外部刺激（热、光、电）发生显著、可逆的变化，是实现动态、可编程光学计算的关键。 * 相变材料：如Ge2Sb2Te5（GST）和二氧化钒（VO2）。GST在非晶态和晶态之间转换时折射率发生巨大变化，可用于构建非易失性、可编程的光子计算核心（如多模光子计算核心）。VO2在接近室温时发生绝缘体-金属相变，可用于制作可切换的太赫兹器件（如四分之一波片）。 4. 电控可编程纳米天线：通过集成有源电子元件实现实时、动态的电磁调控。 * 现场可编程门阵列控制：将超构表面单元与开关二极管（如PIN管）集成，通过FPGA输出编码序列控制每个单元的“开/关”状态，实现波束扫描、全息图动态显示等可编程功能，并衍生出时空编码数字超构表面的概念。 * 微机电系统：通过微纳机械运动改变超构表面的几何结构，从而动态调控其光学响应（如法诺共振）。MEMS超构表面具有低功耗、大调制范围等优点，可用于实现逻辑门运算。 5. 液晶纳米天线：将液晶作为环境材料与超构表面结合，通过外加电场改变液晶分子的取向来调节其有效折射率，从而实现光场的动态调制。例如，与液晶相位板结合，可实现亮场成像与边缘增强成像模式之间的快速电控切换。液晶的优势在于调控灵活，但响应速度相对较慢，且器件尺寸通常难以做到亚波长级别。
观点三：光学计算超构表面依赖多种计算方法来实现特定功能，从传统解析方法到现代人工智能算法。 文章概述了驱动光学计算超构表面设计的几种核心算法思想： 1. 解析方法：直接基于数学运算的物理光学实现。例如，索贝尔算子和拉普拉斯算子常用于图像边缘检测。文章指出，通过设计超构表面的光学传递函数（OTF）使其在空间频域上匹配这些算子的数学形式（如拉普拉斯算子的OTF为-k²），入射光场经过超构表面后，其输出光场即完成了相应的数学运算（如一阶或二阶微分），从而直接得到图像的边缘信息。文中举例说明了基于准连续域束缚态（quasi-BIC）的全电介质超构表面如何实现近乎完美的各向同性二阶微分运算。 2. 优化算法：如遗传算法，用于处理复杂的、多维的、非线性的超构表面设计问题。当解析方法难以直接给出满足复杂功能需求的结构参数时，遗传算法可以通过模拟自然进化过程（选择、交叉、变异）来搜索最优的纳米结构排布方案。 3. 神经网络优化算法：这是当前最前沿的方向，将深度学习与超构表面物理实现深度融合。 * 衍射深度神经网络：通过多层（通常是3D打印的）衍射光学元件构成一个全光学的神经网络。每一层上的像素（代表神经元）的相位或振幅分布通过误差反向传播算法进行优化训练。训练完成后，输入光场（如图像）经过这些被动衍射层的前向传播，即可在输出平面完成特定的计算任务（如图像分类）。文中展示了D2NN用于手写数字识别的例子。 * 混合光电神经网络：结合了超构表面的光学前端特征提取和电子后端的非线性处理与决策。例如，单个二氧化钛超构表面层用于提取输入图像的特征，然后由一个低复杂度的全连接电子层进行加权求和与分类，实现了高精度的识别。
观点四：光学计算超构表面已在多个应用领域展现出巨大潜力，从基础图像处理到复杂逻辑运算。 文章详尽列举了其多样化的应用场景： 1. 边缘检测与增强：这是最成熟的应用之一。通过设计具有空间微分功能的超构表面（如一阶或二阶微分器），入射图像的光场被直接处理，输出光强分布即对应图像的边缘。文章介绍了基于非局域响应、Pancharatnam-Berry相位梯度、以及各向异性介质超构表面等多种方案实现的边缘检测器，分辨率可达微米量级，接近衍射极限。该技术在生物显微成像、机器视觉中具有重要应用。 2. 目标识别：利用超构表面实现光学神经网络，进行高速、低功耗的图像分类。例如，偏振复用超构表面衍射神经网络可以与CMOS图像传感器集成，构成片上多任务处理架构，同时对手写数字和时尚产品进行分类，识别准确率高。光学-电子混合神经网络则用单个超构表面层提取特征，再交由电子层处理，在保持高精度的同时降低了系统复杂度。 3. 手势或动作识别：将可编程超构表面与机器学习算法结合，用于非接触式人机交互。例如，通过可编程超构表面动态控制微波聚焦点，采集人体不同手势下的回波数据，再经卷积神经网络处理，即可高精度识别多种手势和腕部动作。另一方案利用智能超构表面采集的微波数据，通过CNN直接重建整个人体图像并识别呼吸状态。 4. 逻辑运算：实现光学逻辑门是迈向通用光学计算的重要一步。文章介绍了多种实现方案： * MEMS可重构超构表面：通过电控改变结构状态，实现如XOR逻辑门功能。 * 衍射神经网络：将输入光进行空间编码，经过训练好的超构表面（隐藏层）散射，在输出层特定区域形成光斑，代表逻辑“1”或“0”，从而实现NOT、OR、AND等基本逻辑运算。 * 轨道角动量模式调制：利用OAM模式作为信息载体，通过光学衍射神经网络实现七种基本二进制逻辑运算及半加器。 5. 数学函数计算：超构表面可用于执行更复杂的数学运算。例如，通过深度学习优化的超构表面平台，能在光速下执行四种基本三角函数运算。还有工作利用达曼涡旋超构表面生成携带不同轨道角动量的广义涡旋光束阵列，其空间强度分布可视为预设基函数的线性组合，为数学计算提供了一种光学表征方式。 6. 片上光学计算：这是实现集成化、小型化光学处理器的关键方向。文章介绍了多种片上方案： * 高对比度透射阵列透镜：在硅基绝缘体上定义，可实现傅里叶变换、空间微分等数学运算。 * 光子深度神经网络芯片：直接在芯片上构建端到端的光学神经网络，光波撞击芯片上的像素阵列（神经元）即被处理，无需模数转换，实现了图像分类任务。 * 纳米光子神经介质：在连续的、无层的二维介质中通过训练纳米结构来执行神经网络计算，计算密度高。 * 片上光学卷积处理单元：在低损耗氮化硅平台上制造，利用非相干光同时执行多组卷积运算，并通过调相实现动态重构，为大规模集成提供了方向。
观点五：尽管前景广阔，光学计算超构表面仍面临诸多挑战，未来需要在材料、集成、算法和系统层面取得突破。 文章在结论与展望部分客观分析了当前存在的挑战和未来发展趋势： 1. 挑战： * 光的线性特性：光传播本质上是线性过程，这限制了执行复杂非线性函数的能力。虽然可通过与电子结合（混合系统）或在材料中引入非线性来部分解决，但纯光学非线性计算仍具挑战。 * 静态超构表面的局限性：大多数静态超构表面制造后无法改变，无法实现完全光学的误差反向传播训练。其“权重”（纳米结构参数）需事先通过计算机训练确定，限制了自适应学习能力。 * 多层集成困难：光通过多层结构时强度会衰减，且多层超构表面的精确对准是制造难题。目前难以构建深层的全光学神经网络，限制了处理更复杂任务的能力。 * 加工精度限制：整个系统的计算精度受限于超构表面纳米单元的加工工艺。 * 算法与架构匹配：现有的光学计算算法和架构仍需不断拓展，以跟上人工智能发展的步伐。 2. 未来展望： * 应用拓展：从简单的二维图像边缘检测向复杂三维物体边缘检测、动态场景语义识别（如自动驾驶）、空间编码通信等领域发展。 * 材料与结构创新：结合多种调控方案（如可重构材料、电控、MEMS等），取长补短，开发性能更优的复合型超构表面单元。 * 制造技术升级：推动微纳加工技术的进步，以实现更复杂、更精密、更大面积的结构制造。 * 系统集成：致力于解决多层超构表面级联、光电混合集成等关键问题，推动光学计算系统向小型化、集成化、实用化迈进。
综述的意义与价值
本篇综述文章具有重要的学术价值和指导意义。它系统性地梳理了光学计算超构表面这一交叉前沿领域从基本原理到最新应用的全貌，为相关领域的研究人员提供了一份清晰的“技术地图”。文章不仅总结了已取得的显著成就，如高性能边缘检测器、光学神经网络、可编程逻辑运算等，也坦诚地指出了当前面临的核心挑战，如非线性处理、动态重构、多层集成等。这种全面的梳理有助于读者把握该领域的发展脉络、识别关键技术瓶颈，并启发新的研究思路。文章强调，光学计算超构表面凭借其多维光场调控、集成化、轻薄化、可编程等独特优势，有望解决传统光学系统的固有难题，推动光学计算走向轻量化、集成化和广泛应用，最终为突破人工智能的算力瓶颈提供一种极具潜力的光子学解决方案。