“光驱动大脑”能识别复杂光谱中的隐藏信息

威特沃特斯兰德大学（Wits）的科学家们开发出一种“光驱动大脑”，能够识别复杂光谱中的隐藏信息，有望为更快的通信系统铺平道路。

这项研究结合了威茨大学在人工智能（AI）和物理学方面的专业知识，展示了如何利用光本身来读取信息，而不需要精细图像，也不需要大量计算机处理。该项研究成果以“Deep diffractive optical neural networks for detecting skyrmionic topologies of light and their live training”为标题，发表在《自然·通讯》上。

光学新兴光学负责人、Wits机器智能与神经发现（MIND）研究所研究员Nape说：“为通信生成大字符集的光图案，只能与此相同的速度读取时才有用。我们的工作提供了一种更简单的做法：不必先拍下详细图像，就能挑出所需信息。这有助于把这些特殊的光结构变成未来通信系统中实用的信息载体。”

光驱动大脑是如何工作的？

光可以通过特殊形状的图案传递信息，就像字母形成单词一样。挑战在于快速读取这些图案，尤其是在传输过程中外观发生变化时。Wits的研究人员开发了一套利用光线识别隐藏在这些图案中的特征的系统，即使它们看起来不同。

Nape解释说，想象一条被扭过的丝带：无论你把它弯折、折叠成多少种不同形状，扭结的次数都不会变。光也能携带类似的隐藏特征，科学家称之为“拓扑”。

新系统不是先拍下详细图像、再分析成千上万个点，而是让光穿过专门设计的层，把光引导到探测器上。光落在哪里，就揭示出它携带的信息。

现为APSI光学工程师的Bezuidenhout说：“我们不需要把光‘织物’上的每道褶皱都画出来才能数清扭结。我们的网络会挑出真正重要的信息，帮我们快速识别拓扑。”

这个光驱动大脑只用15个样例训练后，就成功识别了所研究类别中的81种不同光结构，包括此前没见过的图案。

研究人员给探测器引入噪声后，它仍能继续工作，显示出在不理想条件下读取信息的潜力。

将人工智能与物理学结合起来

结合了维茨在非洲领先的人工智能和量子科学两个领域的专长，这一发现很有潜力。

MIND研究所所长本杰明·罗斯曼教授表示，这项研究凸显了跨科学学科合作的重要性。

“这项研究是一个很好的例子，说明当我们把人工智能和基础物理学的想法放在一起时，能发生什么。团队把神经网络原理直接嵌入光的行为中，为信息处理打开了新的可能。它也展示了跨学科研究的巨大潜力，而这正是我们在MIND研究所建设的核心。”

福布斯同时担任南非量子技术倡议（SA QuTI）和WitsQ负责人，他表示这一突破有助于解决未来通信技术开发中的一大挑战。

“在结构光实验室，我们正在探索拓扑如何支撑未来的量子互联网和经典互联网。但制造这些光结构只是挑战的一部分。我们还需要实用的读取方法，而测量工具箱仍在形成中。这项工作表明，超越光子学去寻求帮助，能帮我们把这个工具箱建起来。”

Nape同时隶属于MIND研究所，他表示这项研究可能不仅在通信领域有用，尤其在量子技术方面。

“我们希望这只是开始。除了拓扑，我们还想探索光学智能如何为南非的量子技术作出贡献。从单个光粒子中提取信息，测量挑战更大，我们很期待研究这些工具能如何帮我们应对。”

相关链接：https://dx.doi.org/10.1038/s41467-026-77376-5