结构化光学材料利用光子创造了新的计算范式，对机器学习、计算机视觉、成像、通信和传感等多个领域产生变革性影响。美国加州大学Aydogan Ozcan教授团队展望了基于工程化表面的自由空间光学系统在推进光学计算方面的潜力。新兴的结构化表面以前所未有的方式操控光线，实现了各种数学函数和机器学习任务的全光学执行。特别是衍射网络将深度学习原理融入自由空间光学系统的设计与操作，从而创造新功能。由深亚波长单元组成的超表面正在实现特殊光学响应，可对光的不同特性进行独立控制，这将为自由空间光学处理器的计算吞吐量和数据传输带宽带来重大突破。与需要预处理输入的集成光子光电子系统不同，自由空间光学处理器能直接获取承载输入场景/物体信息的所有光学自由度，无需进行数字信息恢复或预处理。为实现自由空间光学计算架构的全部潜力，衍射表面与超表面需要在设计、三维制造/集成、可级联性和计算精度方面实现共生协同发展，以满足下一代机器视觉、计算成像、数学计算和通信技术的需求。

图1：用于光学计算的衍射表面与超表面系统概览

图2：基于衍射表面与超表面的光学器件及系统发展历程图

图3：衍射表面与超表面设计示意图

本文探讨了衍射表面与超表面作为自由空间光学处理器的最新进展，及其对未来模拟视觉计算技术的潜在影响。从基本设计与工作原理出发，我们分析了光学衍射网络作为统计推断和通用线性变换平台的能力与潜力。如前述讨论，我们预期衍射与超表面自由空间光学处理器在设计与制造方面将取得重大突破，特别是在克服多层设计制造中的三维对准与组装挑战后，其推理任务性能将更具竞争力。我们还回顾了可能克服非线性激活函数实现难题的新兴方法——这是提升自由空间光学处理器性能的关键组件。

作为具备机器学习能力的通用模拟计算平台，这些自由空间光学处理器构成了强大的视觉信息处理工具，能够直接获取并利用光波的空间、光谱、偏振及振幅/相位信息。衍射视觉处理器的一个重要应用是全光学定量相位成像（QPI），可将样本的相位编码信息以定量方式转换为强度图案，实现全光学相位恢复，在生物成像等领域具有广泛应用前景。类似地，通过空间工程化衍射层或超表面实现未知随机散射介质下的模拟视觉成像能力，将为医学成像、安全检测和自由空间通信等领域开辟新可能。作为另一应用，衍射视觉处理器的特定类别成像能力进一步为隐私保护问题提供了新颖解决方案，这对数据驱动成像与监控技术部署过程中的隐私担忧具有重要意义。

除利用场景空间特征外，这些系统固有的偏振与光谱/时空信息处理能力，也使其在下一代传感与通信技术发展中展现出巨大潜力。例如，衍射层与超表面设计都能操控携带轨道角动量（OAM）的结构光，这有望成为6G通信技术的核心组成部分。

最后，我们讨论了评估自由空间光学处理器性能的关键指标，包括计算速度与可扩展性、能效及可重构性，以及实现这些指标竞争优势所需应对的核心挑战。尤其需要指出的是，目前仍缺乏针对三维级联结构的大规模自由空间光学处理器的设计与制造方法。我们设想单片式衍射计算体（与离散工程化表面或层相对）将构成一类强大的自由空间计算平台，能在三维空间实现更高密度的衍射特征；但此类能力需要设计过程中建立快速准确的前向光学模型，并需精确记录倏逝波及其与亚波长结构的相互作用。我们预期，经过训练可快速求解麦克斯韦方程组的物理启发式深度神经网络，将成为此类三维计算平台前向建模的有力工具。这些三维设计将能够以低能耗（理想情况下低于光的衍射极限）实现大规模计算与光学信息处理。

自由空间光学计算的另一预期突破是实现衍射或超表面光学处理器的动态调谐与按需重构。包括纳米光刻和3D打印在内的多种纳米加工技术的快速发展，可推动动态衍射与超表面光学网络的工作频率从吉赫兹波段向可见光波段拓展。我们同样期待动态混合处理器取得重大进展——这类处理器将结合具有亚波长特征的固定/静态衍射层或超表面（用于精细调控光波前）、可重构的自适应光学超结构，以及与自由空间光学处理器联合优化的数字神经网络（用于输入/输出信息的预处理与后处理）。

科学技术的发展离不开科研仪器的进步。凯视迈（KathMatic）自2014年创建以来，一直“致力于高精尖光学测量技术”，已成为集“研发、制造、销售”为一体的国产高端光学精密测量仪器新力量。推出了KC系列多功能精密测量显微镜、KS系列超景深3D数码显微镜以及KV系列激光多普勒测振系统，取得了良好的市场成绩。