用于超表面按需实现双曲色散的深度学习方法

《ACS Photonics》：Deep Learning for On-Demand Hyperbolic Dispersion in Metasurfaces

本文提出了一种基于深度学习的超表面逆向设计方法，通过建立超表面结构与电磁响应的直接映射，实现了双曲色散特性的可控设计，可分别激发电或磁双曲极化子，为新型波操控器件开发提供了创新路径。

　　

频率色散在设计超表面时至关重要，因为它可以实现诸如增强光与物质的相互作用以及定制波传播等先进功能。在本文中，我们提出了一种基于深度学习的方法，用于按需工程化超表面的双曲色散特性。我们训练了一个深度神经网络，以建立像素化超表面结构与其在各种频率和偏振条件下的电导率和磁导率之间的直接映射关系。利用这个训练好的网络，我们进行了逆向设计，制造出了一个具有独特功能的双曲超表面：该超表面能够根据光源的偏振状态激发电双曲极化子或磁双曲极化子。这项工作为精确控制双曲色散提供了一种创新的方法，并且作为一种可重复使用、多用途的逆向设计工具具有巨大潜力，为新型波操控策略和先进超材料器件的发展开辟了道路。