由物理驱动的自我监督网络实现的多重复合元光学的高速设计
Yuqing He1, Sheng Ye1, Yue Han1
1State Key Laboratory for Mesoscopic Physics and Frontiers Science Center for Nano-optoelectronics & Collaborative Innovation Center of Quantum Matter, School of Physics, Peking University, Beijing, 100871, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|July 31, 2025
概括
人工智能 (AI) 加快了元光学设计. 一个新的物理驱动的自我监督网络 (PDSS-Net) 能够实现超全息图的无代设计,将计算时间缩短1000倍以上.
科学领域:
- 光学和光子学 在光学和光子学.
- 人工智能的人工智能
- 材料科学 材料科学 材料科学
背景情况:
- 人工智能 (AI) 通过预测元原子传输系数来加速元光学设计.
- 传统的超表面设计,特别是对元全息的设计,需要大量的优化代,从而导致较长的计算时间.
- 在元全息中修改目标图像需要重复整个设计过程.
研究的目的:
- 开发一个人工智能辅助的框架,大大加快元全息和其他元表面应用的设计过程.
- 引入一个能够进行无代推理的物理驱动的自我监督网络 (PDSS-Net).
- 为了证明网络对复杂,多重复合的元全息图的适应性.
主要方法:
- 提出了一个物理驱动的自我监督网络 (PDSS-Net),其中包含一个编码器-解码器模块.
- 训练网络建立输入全息图像和输出元原子结构参数之间的映射.
- 验证了网络在设计2K分辨率,三波长多重复合的元全息图和复杂多重复合的标量/矢量元全息图方面的性能.
主要成果:
- 在自我监督培训后,实现了对元全息图设计的无代推理.
- 在不到一秒的时间内完成了2K分辨率,三波长多重复合的元全息图的设计.
- 与传统优化方法相比,演示了超过1000倍的计算速度.
- 通过重新训练成功设计波长-极化-深度多重化标量和矢量元全息图.
结论:
- PDSS-Net为元光学设计提供了一个无代的计算范式.
- 这种方法显著加速了多功能元表面的设计,包括复杂的元全息图.
- 开发的方法通过快速,可适应的智能设计来促进元设备的大规模应用.
