把“旋转”变成存储地址：扭转衍射神经网络让一枚超表面磁盘装下百幅全息图把“结构旋转角”变成存储地址的光学方法：两层超表面不必更换入射波长、偏振或角度，只需改变层间扭转，就能切换不同的衍射域和全息图。通过 Pancharatnam–Berry 相位纳米柱、快速傅里叶衍射计算与三维激光打印，超表面磁盘可以在有限体积内复用大量图像，并演示动态聚焦、月相视频和加密显示。它的关键价值，是用机械或结构自由度换取容量、功能与可重构性。1. 我为什么会重新思考“存储”的形状我们习惯把数据存储想象成平面上的地址：一个磁盘扇区、一个闪存单元、一个二维像素阵列。容量增加，通常意味着堆叠更多单元、缩小单元尺寸，或者引入更复杂的编码。光学全息存储给了我另一种直觉：数据不一定要排成一行一列，也可以写进光的波长、偏振、入射角、轨道角动量和空间传播过程。这种体积式存储有很强的并行性，但也有明显门槛。多路复用往往需要精密的光源、偏振器、角度控制和读出系统；当存储对象从一张图像变成数十或数百张图像时，通道之间的串扰和校准误差会快速累积。真正困难的并不是让一张全息图出现，而是在同一个位置可靠地保存很多张，并且能够用一个简单、稳定的控制变量把它们逐一调出来。我在阅读扭转超表面磁盘的思路时，最先注意到的不是纳米柱有多小，而是它把“旋转”提升成了存储地址。两层超表面固定叠放，层间只要改变相对角度，光在两层之间的衍射关系就会改变，输出平面便能呈现另一幅图像。角度因此不再只是装配误差，而成为可以主动利用的物理自由度。2. 扭转衍射神经网络到底是什么这里的“神经网络”不是运行在处理器上的软件模型，而是由多层超表面组成的物理网络。每个局部纳米结构相当于一个神经元，负责改变光的幅度和相位；自由空间传播负责把一层的输出送到下一层；层间的扭转角则相当于一组额外的权重。把两层超表面记成 NM1 和 NM2。固定角度时，NM1 产生的每个局部衍射域会影响 NM2；当 NM1 相对 NM2 旋转一个角度 α，衍射域的整体形状可以保持相似，但有效作用区域会被切换。连续改变 α，就会得到一组彼此相关、又功能不同的衍射域。它们共享同一片物理孔径，却对应不同的输出图像。我更愿意把这种结构称为“双衍射域”。传统的角度复用通常把不同角度当成彼此独立的通道；扭转衍射网络则进一