日前，西南學院毫米波國家重點實驗室、東南學院電磁空間研究院、琶洲實驗室智能超材料研究中心崔鐵軍教授團隊聯合成都學院李廉林院士，使用多層透射式數字編碼超表面重構了可實時調節的全衍射式神經網路（可編程人工智能機，PAIM），成功實現了網路參數的實時編程和光速估算特點，并展示了多種應用案例，包括圖象辨識、強化學習和通訊多通道編解碼等，在國際上首次實現和展示了微波空間全衍射式可調神經網路。相關工作以Adeepbasedona-array為題發表在上[1]。西南學院博士生劉徹和馬騫（現為至善博后）為共同第一作者，崔鐵軍教授為通信作者。
研究背景
目前，人工智能的實現主要依賴兩種技術，一是基于計算機的機器學習算法（比如深度學習[2]、極限學習[3]和加強學習[4]等），二是專用集成電路和特制的光估算芯片[5]。一個典型的人工智能神經網路（，ANN）的實現，通常使用層級聯接的人工神經元來模擬人腦神經元之間的聯接和行為。通過大量數據的訓練，ANN已能完成諸多的智能任務，且在人臉辨識、自動駕駛、語音處理和醫療確診等方面獲得了大量應用。不僅基于計算機和芯片實現的ANN網路，全光實現的ANN近來也被多個團隊所提出[6,7]。這種光學衍射神經網路借助光的矢量疊加性和空間自由傳播特點可實現并行的矩陣運算操作，借此來模擬人工神經元之間的交互和聯接。同時，使用光學透鏡或反射介質模擬人工神經元對訊號的調制作用，最終構造出具有光速并行估算和低幀率特點的ANN硬件。
目前，即使光學衍射神經網路得以實現，但大都具有功能固化、不可調節、不支持參數更改、使用成本高等缺點，嚴重阻礙了其功能擴充。在未來的實際應用中，為了提升集成度和通用性，衍射神經網路必然會朝著多功能集成和可編程方向發展，因而可編程的衍射神經網路漸漸成為該領域的研究熱點。近些年來，現場可編程信息超表面的盛行[8]為實現可編程的衍射神經網路提供了良好抓手。崔鐵軍教授和李廉林院士團隊借助常年以來在現場可編程信息超表面的理論和技術底蘊量子通訊陣列，率先使用多層透射式數字編碼超表面實現了現場可編程的微波驅動的衍射神經網路硬件，稱之為可編程人工智能機（PAIM）。
創新研究
研究團隊使用五層透射式的可編程超表面陣列來層級調控電磁波的空間傳播和交互特點（如圖1所示），其中每層超表面陣列都有8×8個單元，每位單元都可以看成人工神經網路（ANN）中的一個神經元節點，整個PAIM可看成是一個ANN的數學實現。每位超表面單元能在-22dB到13dB的范圍內調控透射電磁波的幅度，同時改變和幅度耦合的相位。
圖1可編程人工智能機的工作原理
當入射電磁波照射到一個可編碼超表面單元時量子通訊陣列，電磁波的幅度和相位會被該超表面單元調控，調控的系數由FPGA預先加載到單元上（圖1c）。這個被調控后的電磁波在穿過此單元后，會變為一個新的電磁波幅射源向各個方向幅射電磁波。這樣，第一層超表面的每位單元就會向第二層超表面幅射電磁波并進行矢量疊加（圖1b）。疊加后的電磁波就作為第二層每位超表面單元的入射電磁波，經過調制后繼續以同樣的方法向第三層超表面傳播，最終傳輸至第五層超表面。最后將第五層超表面的輸出作為整個PAIM最終的輸出。整個前向過程可以看成是借助透射超表面陣列逐層調控電磁波在自由空間傳播過程中的能量分布的過程。
研究團隊為PAIM訂制了相關的驅動模塊、FPGA控制電路模塊和用戶交互界面，同時開發了針對PAIM參數訓練的離散優化算法、強化學習算法和偏差校正算法，增強了PAIM的估算精度和可用性。基于PAIM的硬件系統構架，研究團隊展示了多種應用案例，包括圖象辨識、強化學習和通訊中多路用戶的同時編解碼。
在圖象辨識案例中，PAIM的第一層超表面作為圖象輸入層，按照輸入圖象的象素分布調制每位單元的增益系數，當平面電磁波穿過第一層超表面后才會攜帶輸入圖象的信息傳輸到后續的四層超表面。PAIM的后四層被訓練為圖象辨識器，最終輸出的電磁場能量分布會反映出圖象被預測為哪一類的機率，并被接收天線所接收、識別。基于10類手寫數字圖象辨識的仿真驗證案例顯示了PAIM可以達到90%以上的辨識正確率，同時PAIM在簡單紋樣辨識的實測案例中取得了100%的辨識正確率（圖2）。
圖2基于PAIM的簡單紋樣辨識實測結果
在加強學習實測案例中，通過與電磁環境的不斷交互和自我學習，PAIM將隨機分布的入射電磁波能量聚焦到預定的一個（圖3b）或兩個（圖3c）目標點上。加強學習是一種結果導向的算法，可直接基于實測結果進行優化，由此可以甩掉仿真精度和其他偏差對優化結果的影響，這是加強學習的優勢。此加強學習案例展示了PAIM奇特的現場可編程和電磁環境實時感知特點，這是之前固化衍射神經網路所不具備的。
圖3基于PAIM的加強學習案例示意圖
在通訊編解碼案例中，研究團隊演示了基于PAIM的實時編解碼和去噪功能，可在同一信道中同時傳輸東路用戶訊號。研究團隊使用PAIM傳輸了西南學院毫米波國家重點實驗室的標志紋樣（圖4a），為了推動傳輸速度使用不同用戶通道傳輸圖象的不同部份，由此致使傳輸速率提升為原先的四倍。在噪音環境中的實驗測試結果表明，PAIM同時實現了去噪和編解碼功能。和傳統的CDMA通訊構架相比，PAIM直接在電磁波的模擬域進行訊號的編解碼和去噪操作，因而可極大地降低通訊串擾。同時得益于PAIM強悍的空間電磁波處理能力，能挺好地處理和分解空分訊號，致使在同一信道中可同時傳輸多路訊號，極大地增強了信道容量。
圖4基于PAIM的通訊編解碼和去噪實測案例
事實上，因為頻譜資源的日漸枯竭，空分多址技術得到了越來越多的關注并早已成為第五代和第六代無線通訊的關鍵技術之一。PAIM可單獨作為解碼器放在通訊的接收端，同時接收多個通訊基站和其他發射端所發射的訊號，并對其進行實時預處理。據悉，PAIM除了可接收傳統發射天線所發射的訊號，能夠接收由反射式超表面所發射的具有豐富空間能量分布的電磁波訊號。通過加載預先設置的單元參數，PAIM可解碼不同發射端發射的訊號，并將其能量傳遞到對應的接收天線口面上。
研究團隊介紹
