加州大学洛杉矶分校（UCLA）研究人员提出一套用于结构振动监测的新框架：通过人工智能协同优化被动衍射层与浅层神经网络，将时变机械振动信息编码为独特的时空光学模式，以支持低功耗的结构健康监测（SHM）。

传统振动监测的成本与能耗约束

研究团队指出，结构健康监测系统在评估建筑物、桥梁等土木基础设施状态方面具有重要作用，尤其是在地震等自然灾害发生后。现有基于振动的监测方案通常依赖由加速度计、应变计等构成的传感器网络：这类系统往往需要较高供电能力，产生规模庞大的数据，并依赖复杂的数字信号处理流程，同时在安装与维护方面成本较高。

研究人员同时提到，为获得更高空间分辨率、以更准确定位潜在损伤，传统方案通常需要更密集且价格更高的传感器部署。

以被动衍射层进行“物理预编码”

该研究由UCLA电气与计算机工程系Aydogan Ozcan教授团队牵头，提出通过“物理—数字协同集成”来应对上述挑战。与将原始物理信号先数字化再处理的路径不同，新系统在目标结构表面附着经优化的被动衍射层。

在结构发生振动时，衍射表面随之移动并调制入射照明波，将结构位移信息编码进光信号；随后，系统使用少量光学探测器采集调制后的光信号，并由低功耗的浅层神经网络进行快速解码。

Ozcan表示，与结构健康监测中常见的传感器网络不同，该系统将衍射层作为优化的光学处理器，把复杂的多维结构振动信息“预编码”到光信号中，从而将部分计算负载转移到物理域。

毫米波实验验证与波长复用展示

研究团队与UCLA土木与环境工程系Ertugrul Taciroglu教授实验室、加州地质调查局Farid Ghahari博士合作，使用毫米波照明对实验室规模的建筑模型与可编程振动台进行验证。研究称，系统在多种动态激励条件下成功提取了一维与二维振动频谱，并包括从地震数据集中提取的地震波形。

此外，团队还展示了波长复用的衍射系统，可利用不同波长的光源同时监测结构的多个位置振动。

被动编码与跨波段缩放潜力

研究人员强调，该方案的优势之一在于可扩展性与能效：衍射表面作为完全被动的编码器，在运行过程中不消耗能量。研究还指出，针对毫米波优化的设计可通过按照明波长比例调整衍射特征尺寸，实现向电磁频谱其他波段（如可见光或红外）的物理缩放。