机器学习(ML)算法已经成为解决与在人工电磁材料(AEMs)中实现独特散射效果相关的设计挑战的宝贵工具。然而，它们的有效性依赖于大量的、构造良好的训练数据集。对于日益复杂和大规模的几何模型，使用传统方法构建这样的数据集变得不切实际。实现特定的漫射散射就是一个例子，这通常需要电力大且多样化的AEM阵列。不幸的是，虽然数值模拟利用精细网格提供了很高的精度，但其计算限制使其无法处理如此大的结构并有效地计算其散射参数。
近日，杜克大学Willie J. Padilla团队提出了一种新的方法，通过将电磁模拟与分析模型相结合的混合方法取代传统的数值模拟来克服这些限制，从而能够快速准确地生成电大型超材料阵列的数据集。利用这种方法，优化了中红外范围的超表面几何结构，并进行了测试，显示出理想的漫射散射效果。这种创新的方法为超材料的快速设计和优化铺平了道路，同时也为AEM问题释放了新一代大规模、高质量ML数据集的潜力。研究成果以题为“Deep Inverse Design of an Infrared Metasurface Diffuser”发表于《Advanced Optical Materials》上。
图1：超表面扩散器的概念示意图。
图2：正文中描述的检索-DDA方法示意图。
图3：不同随机长度的12 × 12十字阵列的DDA和CST模拟结果。
图4：深度学习统计结果。
图5：中红外超表面扩散器。
图6：a)前向反射信号和b)超表面扩散器的面内切片测量。c)数据采集切片示意图。
图7：反射超表面扩散器的HDR和变角度测量。
N. Rozman, R. Peng, W. J. Padilla, Deep Inverse Design of an Infrared Metasurface Diffuser. Adv. Optical Mater. 2024, 2401462.
https://doi.org/10.1002/adom.202401462
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。
