加州大学洛杉矶分校（UCLA）的研究团队开发了一种全新的结构健康监测框架，利用人工智能设计的衍射光学处理器，实现了低功耗、高精度的结构振动监测。该技术由电气工程系的艾多甘·奥兹坎教授领导，旨在解决传统监测手段的痛点。 传统的结构健康监测依赖加速计和应变计组成的传感器网络。这些设备不仅功耗高、安装维护成本昂贵，还需处理海量数据以定位损伤，且难以实现高空间分辨率。奥兹坎教授团队通过“物理 - 数字协同集成”突破了这一局限。新系统不再将物理信号直接数字化，而是在结构表面安装一层经过优化的无源衍射层。当结构发生振动时，该衍射层随之移动，将机械振动信息直接编码为特定的光信号时空分布。随后，仅需少量光电探测器接收光信号，并由低功耗神经网络快速解码。 这种创新方式将部分计算任务从电子领域转移到了物理光学领域，极大地提升了效率。实验验证显示，团队在实验室通过毫米波照明模拟地震波，成功提取了建筑物的振动频谱。此外，该系统还展示了波长复用能力，可同时监测多个点的振动。 该技术的核心优势在于其极高的能效和可扩展性。作为无源设备，衍射层在运行中不消耗任何能量。同时，通过调整光学特征尺寸，这套系统可轻松扩展至可见光或红外波段，为未来大规模、智能化的基础设施安全监测提供了极具潜力的解决方案。