스핀 다중화 메타표면 기반 에지 강화 DNN

단일층 회절형 신경망은 파면 변조 능력의 한계로 인해 분류 정확도에서 병목 현상을 겪습니다. 광학 이미지 처리 기술인 에지 검출은 이미지 윤곽을 추출하여 분류 작업을 단순화할 유망한 방법이지만, 에지 검출과 DNN 기반 분류를 단일 칩에 통합하는 것은 여전히 난제로 남아있습니다. 본 연구에서는 스핀 다중화를 통해 전광 에지 검출과 DNN 기반 분류를 모두 달성하는 통합 비국소 메타 플랫폼을 제안합니다. 비국소 호이겐스 메타표면의 분산 특성을 활용하여, 출력광의 동일 편광 성분은 실시간 에지 검출을 위한 운동량 공간 필터링을 수행합니다. 반면, 교차 편광 성분은 DNN 내에서 이미지 분류를 실행하기 위해 기하학적 위상 변조를 거칩니다. 초승달 모양 나노기둥에서 준연속체 속 준속박 상태와 자기 쌍극자 공명을 결합하여 약 55%의 높은 편광 변환 효율을 달성했습니다. 이 에지 강화 DNN 아키텍처는 데이터 중복성을 크게 줄여, MNIST 데이터셋에서 단일층 네트워크의 분류 정확도를 64.2%에서 80.7%로 향상시켰습니다. 본 연구는 통합 전광 머신 비전 및 지능형 포토닉 컴퓨팅을 위한 소형 고효율 솔루션을 제공합니다.