光学超表面，一种能够控制光传播的平面人工介质，正从实验室的好奇心转变为商业应用。这种转变需要先进的超单元和超表面设计，考虑可制造性并通过后处理算法提高光学性能。人工智能(AI)，特别是机器学习(ML)和优化，为这些需求提供了解决方案。
近日，麻省理工学院Akira Ueno团队系统地回顾了人工智能在三个关键领域的潜在影响:人工智能支持的超表面制造设计(DFM)，超越经典局部相位近似的设计，以及人工智能支持的计算后端。研究成果以题为“AI for optical metasurface”发表于《npj Nanophotonics》上。
图1：基于人工智能的超表面应用方法的图形总结。
图2：考虑超单元可加工性和制造公差的超表面设计。
图3：利用人工智能增强光学性能的超表面设计。
图4：基于生成式AI的Metagratings设计。
图5：超表面成像性能的成像过程框架。
文章信息：
https://doi.org/10.1038/s44310-024-00037-2
点击文末“阅读原文”链接至文章页面。
声明：本文旨在传递更多科研资讯及分享，仅供个人学习、参考、学术交流使用，不作为商业用途，文中所引用文献已指明作者及来源。由于水平有限可能存在解读不准确，如涉及知识产权保护或其他问题联系微信metamaterials2021或邮箱metamaterials2021@163.com，我们将尽快协调处理。
