《AI》：Autonomous Large Language Model-Assisted Pattern-Switching Technology Based on Amplitude–Phase-Controllable Intelligent Metasurface
编辑推荐：
可编程超表面（Programmable Metasurface）为波前操控和波束赋形提供了变革性平台。然而，当前工作仍高度依赖人工控制（如预先指定的查找表规则），限制了其在智能无线通信中的应用。本文提出了一种基于幅相可控超表面的大语言模型（Large Lang
可编程超表面（Programmable Metasurface）为波前操控和波束赋形提供了变革性平台。然而，当前工作仍高度依赖人工控制（如预先指定的查找表规则），限制了其在智能无线通信中的应用。本文提出了一种基于幅相可控超表面的大语言模型（Large Language Model, LLM）辅助方向图切换技术，该技术能够根据语义推理超表面的工作状态，实现预期的波束偏转和波束赋形功能。所提出的超原子（Meta-atom）集成了两种二极管（PIN二极管和变容二极管），提供独立的幅度-相位控制与360°全相位覆盖。LLM可将高层语义进行降维，转化为结构化电磁目标并映射至超表面，控制超表面的序列，从而实现预期的方向图切换功能。自主性是指在指定高层用户需求后执行任务级自主操作，包括自动状态搜索、基于阈值的性能评估和迭代重构。为验证所提策略的可行性，研究人员制备了幅相可控超表面并开展了LLM辅助的功能测量。实测结果与预期结果吻合良好。所提方法在未来无线通信人机交互界面中具有巨大潜力。
**研究背景与问题**
近十年来，可编程超表面在电磁波操控和波束赋形方面展现出巨大潜力。通过控制超表面中加载的有源元件状态，可动态重构电磁响应（包括幅度、相位、频率等），从而实现相位控制波束扫描、异常反射/折射及雷达散射截面操控等功能。然而，为适应复杂电磁环境并实现持续的电磁功能切换，超表面需要不断手动更新控制序列，导致效率低下且易出错的非自主调控，限制了其在智能无线通信中的应用。此前的超表面研究主要集中于电磁参数的单向开环控制，缺乏对电磁环境的自主感知能力。为此，有研究提出通过集成额外传感器感知电磁环境的智能超表面，以及通过优化算法实现自适应可编程超表面。尽管取得了显著进展，这些工作仍依赖精密传感器，且任务主动性需要触发相关指令，严格限制了其自主性和智能性。随后，有研究提出纳米结构双折射超表面通过机器学习实现低延迟相位分集波前传感，但该工作依赖外部人工干预、预先指定的查找表规则和机器学习来满足环境反馈和用户需求。当前，LLM已广泛应用于语义推理、任务理解和高层决策，用户无需直接指定低层电磁控制参数，LLM的自然语言处理能力提供了能够解释广泛用户自定义任务的灵活接口。为此，研究人员提出了基于幅相可控超表面的LLM辅助方向图切换技术。
**关键技术方法**
研究人员构建了LLM辅助智能方向图切换决策框架，LLM作为高层语义理解与决策接口，执行语义解析、任务分解和约束检查，将抽象需求降维为明确的电磁控制目标（包括目标波束方向、工作模式、旁瓣约束、幅度分布类型和相位梯度）。确定性模块根据相应电磁控制规则生成所需幅相分布，利用校准数据库和匹配算法选择物理可实现的偏置状态并生成FPGA控制序列。研究人员设计了集成PIN二极管和变容二极管的幅相独立可重构超原子，通过全波仿真和实验校准建立幅相响应数据库。实验中使用ChatGPT-5.5 Pro作为主语义推理与任务分解模块，DeepSeek-R1用于下游映射阶段的结构化任务与物理状态库匹配。实验平台包括矢量网络分析仪（VNA）、线极化喇叭天线、直流偏置源、多通道控制模块和LLM上位机程序，在微波暗室中完成测量。
**研究结果**
**LLM辅助智能方向图切换决策框架**：通过构建包含语义解析、任务分解和约束检查的决策框架，研究人员实现了从"自然语言任务→目标幅相分布→元件偏置状态→FPGA控制序列→电磁功能输出"的完整控制链。该框架将语义推理层与物理执行层明确分离，LLM不执行电磁仿真、孔径综合、偏置状态优化、物理数据库搜索或FPGA序列生成，仅负责高层语义解释、意图抽象、任务分解和结构化生成。系统对模糊、不完整和分布外指令具有明确的处理机制（澄清请求、拒绝不支持任务或返回不可用状态），确保不会将未经验证的硬件状态施加于超表面。
**幅相独立可重构超原子设计与分析**：通过同时调节PIN二极管和变容二极管的偏置，研究人员实现了反射幅度和相位的精确独立控制。PIN二极管主要控制反射幅度（变化范围达15 dB），变容二极管主要控制反射相位（相位覆盖大于360°）。仿真结果表明，所设计的超原子可实现360°相位覆盖，同时提供?13至?2.7 dB的反射幅度范围，验证了幅相控制能力，为后续LLM辅助语义解析、目标幅相分布生成和超表面控制序列映射建立了物理基础。
**基于幅相独立控制方法的波束赋形**：研究人员构建了8×16反射式超表面阵列，构造了四种典型状态：均匀幅相同相法向反射（Array 1）、Taylor加权低旁瓣法向反射（Array 2）、加载线性相位梯度的波束偏转（Array 3）以及结合线性相位梯度和Taylor加权的低旁瓣偏转（Array 4）。全波仿真结果表明，Array 1和Array 2主波束指向0°，Array 3和Array 4偏转至约21°，与理论结果吻合良好。Array 1和Array 2的旁瓣电平分别约为?13.3 dB和?21.3 dB，验证了Taylor幅度加权可有效降低法向反射旁瓣。
**实验验证与讨论**：研究人员制备了幅相可控超表面原型（整体尺寸157 mm × 535 mm × 5 mm），实测反射相位可通过改变变容二极管反偏电压有效调谐，当Ipin = 10 mA时实测反射幅度在3.1–3.4 GHz范围内保持在?6 dB以上，相位覆盖超过360°。实测散射方向图表明，Array 1和Array 2主波束均指向0°，Array 3和Array 4偏转至约28°。实测旁瓣电平分别为?7.5、?9.1、?5.1和?7 dB，表明Taylor幅度加权在法向反射和波束偏转条件下均能提供一定程度的旁瓣抑制。在16条未见指令的基准测试中（共800次试验），总体任务解析成功率为95.3%，其中单功能波束控制指令成功率为99.2%，旁瓣/复合波束赋形指令为95.0%，模糊或不完整指令为86.7%，不支持/分布外指令为99.0%。端到端切换延迟测量20次，平均值为6.28 ± 0.65 s。
**讨论与结论翻译**
本文提出了基于幅相可控反射式超表面的LLM辅助方向图切换技术，实现了从高层语义任务到超表面电磁行为的智能映射。首先，LLM对用户进行语义解析和任务降维。其次，根据预先校准的幅相响应数据库，LLM执行语义解释和任务分解，自动生成可执行的FPGA序列以实现预期的波束控制和波束赋形功能。作为LLM的控制硬件，所设计的超表面集成了PIN二极管和变容二极管，实现了约10 dB的幅度操控和360°全相位覆盖。通过制备超表面样品并开展LLM辅助功能测量，实验结果与预期功能吻合良好，验证了波束偏转和旁瓣控制能力。所提方法将超表面的物理操控能力与LLM的语义推理能力相结合，为未来智能无线通信和人机交互界面提供了可行途径。然而，本研究存在若干局限性：当前控制框架依赖预先校准的幅相数据库，其可执行状态受限于可用校准硬件响应；实验验证目前仅限于有限带宽原型；实测系统级切换延迟限制了当前原型适用于准静态或缓变场景；制造公差、二极管模型偏差和单元间互耦等实际效应仍会引入设计与实测幅相响应及辐射方向图之间的差异。在更广泛的层面上，研究人员提出的LLM设计符合工程领域中日益增长的物理引导数据驱动范式，LLM执行语义解释和结构化任务生成，而可执行超表面状态严格限制在校准幅相数据库和确定性匹配过程内，从而在保留LLM语义推理灵活性的同时不允许执行物理上未经验证的硬件状态。未来工作将集中于通过轻量化或本地部署LLM及更高效的软硬件通信降低系统级响应延迟，引入在线校准和环境感知以根据器件变化和传播条件更新幅相数据库和控制状态，以及将当前波束偏转和旁瓣控制功能扩展至多波束生成、赋形波束综合和动态目标跟踪等更复杂的电磁任务。
