作为一种二维超材料，超表面为促进光-物质相互作用提供了前所未有的途径。目前的“逐个设计”方法受到耗时、在有限空间内重复测试的阻碍。然而，由于受数据驱动属性的限制，超表面的智能设计策略很少被探索。
近日，西安交通大学Liuyang Zhang、北京大学Chao Chang、新加坡国立大学Cheng-wei Qiu团队针对这一缺陷，提出了一种基于深度学习的数据迭代策略，结合全局优化网络实现手性超表面的定制化设计。该方法应用于以无标记的方式精确识别不同的手性分子。与单纯通过仿真收集数据的传统方法有本质区别的是，所提出的数据生成策略涵盖了整个设计空间，这是传统方法无法实现的。数据集质量得到了显著改善，手性结构的数量增加了21倍，显示出所需的圆二色性（CD）响应（>0.6）。该方法的有效性通过易于制备的单层结构得到验证，展示了生物样品对映体特异性分析的先进传感能力。这些结果证明了数据驱动方案在光子设计中的卓越能力，以及基于手性超表面的平台在无校准生物传感应用中的潜力。提出的方法将加速用于快速分子检测、光谱成像和其他应用的复杂系统的发展。研究成果以题为“Deep-Learning Empowered Customized Chiral Metasurface for Calibration-Free Biosensing”发表于《Advanced Materials》上。
图1：自由形手性超表面的示意图，当受到相反自旋的圆极化入射时，显示出不同的吸收行为。
图2：手性超表面设计中数据迭代策略的全过程。
图3：全局设计网络的架构。
图4：从测试数据集中选择手性超表面的预测结果。
图5：按需设计手性超表面的实验测量。
图6：手性超表面的设计导向制备及R-THz-TDPS表征。
图7：设计的手性氨基酸对映体超表面生物传感平台。
N. Zhang, F. Gao, R. Wang, Z. Shen, D. Han, Y. Cui, L. Zhang, C. Chang, C. Qiu, X. Chen, Deep-Learning Empowered Customized Chiral Metasurface for Calibration-Free Biosensing. Adv. Mater. 2024, 2411490.
https://doi.org/10.1002/adma.202411490
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。
