近日，国际顶尖学术期刊 《Nature Communications》（影响因子约 14.7，中科院一区）在线发表了题为 “Polarization-selective unidirectional and bidirectional diffractive neural networks for information security and sharing” 的研究论文。
论文的第一作者为本课题组2023届毕业研究生郭子晴，在庄松林院士的指导下，上海理工大学太赫兹技术创新研究院臧小飞教授、朱亦鸣教授团队联合东方理工大学丁飞教授课题组，提出了一种创新的偏振选择衍射神经网络（PS-DNN）方法。该技术通过协同调控相位与偏振多个自由度，实现了偏振控制下单向与双向功能模式的灵活切换，从而同步实现了信息加密与共享的一体化处理。
该研究针对传统全光大容量信息处理中信息安全与数据共享的矛盾，提出了级联型超构表面偏振可控的衍射神经网络新架构，通过融合相位调控、偏振转换及方向/偏振选择功能，实现了神经网路的单向信息加密和双向信息共享功能切换。针对传统3D打印衍射表面自由度受限的问题，研究团队创新性地将四分之一波片（QWP）超构原子阵列与金属光栅级联，实现数字分类和无损成像的偏振可选择的单向-双向衍射神经网络。进一步，将半波片（HWP）超构原子阵列和金属光栅级联实现了功能切换更为全面的单向-双向-单向DNNs。最后，基于PS-DNNs设计了一种高安全性能的信息传输和数据交换新架构。实验结果表明，该架构能够在同一物理平台上实现海量数据传输的同时实现特定数据的加密和共享。相关研究为全光计算，全光信息处理和通信安全提供新的思路。
