《Optics & Laser Technology》：Deep learning enabled inverse design of terahertz chiral metasurface based on InSb for dual-functional sensing
编辑推荐：
环形偏振器在太赫兹波段的双功能传感研究，提出基于深度学习的逆设计方法，利用双专家预测网络（DEPN）实现光谱到结构的精确映射，τ形InSb CMS在1.296 THz和1.638 THz分别达到94.78%和88.48%的旋光选择性吸收，CD值达±0.880，质量因子41.81和49.64，并验证了温度和折射率调谐特性。
荣晨光|吴玲|杨玲玲|蔡斌|程永志|陈福|罗辉|李向成
武汉科技大学电子信息学院，教育部冶金自动化与检测技术工程研究中心，中国武汉430081
摘要
手性超表面（CMS）在太赫兹（THz）波段的圆二色性（CD）在生物监测和通信传感等应用中显示出巨大潜力。然而，传统的CMS设计方法在实现高效率方面仍面临挑战。本文提出了一种基于InSb的THz CMS深度学习（DL）逆向设计方法，用于双功能传感。所提出的深度学习框架采用双专家预测网络（DEPN）架构，其中注意力加权组合器融合了两个专家网络的输出，提高了关键光谱峰区域的预测精度。该框架在测试集上的平均均方根误差（RMSE）低至0.019。结合逆向设计网络后，能够实现从CD光谱到结构参数的高效精确映射。所得CMS在1.296 THz和1.638 THz频率下对右旋圆偏振（RCP）和左旋圆偏振（LCP）波表现出强烈的自旋选择性吸收，吸收率分别为94.78%和88.48%，对应的圆二色性值分别为–0.880和0.721，品质因数分别为41.81和49.64。此外，CMS在外部温度和折射率变化时表现出CD光谱的灵活可调性，使其可作为高灵敏度的双功能传感器。
引言
手性是一种几何特性，使得一个结构无法与其镜像重叠，它是自然界中普遍存在的特征，从分子级别的氨基酸和蛋白质到宏观结构如贝壳都有体现[1]、[2]、[3]。在光学中，手性结构对左旋圆偏振（LCP）和右旋圆偏振（RCP）光表现出不同的响应，这种现象称为圆二色性（CD）效应[4]。这为手性传感、圆偏振（CP）光检测和自旋选择性光学操控等应用提供了物理基础。然而，天然材料的手性响应通常较弱，往往不足以满足实际应用需求，因此研究人员积极探索增强手性光学响应的新方法。超表面（MS）作为超材料（MM）的二维（2D）平面对应物，由按特定顺序排列的亚波长人造原子组成，能够实现对电磁/光波的任意操控[5]、[6]、[7]、[8]、[9]、[10]、[11]、[12]、[13]。通过采用精确设计的几何结构，手性MS（CMS）可以将手性效应放大几个数量级[14]、[15]、[16]、[17]、[18]、[19]、[20]、[21]。与传统仅吸收线偏振波的吸收剂不同，CMS吸收剂可以选择性地吸收LCP或RCP波，同时透射或反射相反偏振状态的波，为新型手性器件的开发开辟了新途径[[21]、[22]、[23]、[24]、[25]、[26]、[27]、[28]、[29]]。然而，复杂CMS中多个结构参数与光学响应之间的高度非线性关系使得传统的设计方法（如有限元方法（FEM）分析或有限差分时域（FDTD）全波电磁（EM）模拟）在计算上既耗时又效率低下。
与依赖精确数值迭代的传统优化技术相比，机器学习利用其数据驱动的特性来识别和概括复杂数据集中的潜在功能关系，从而揭示难以显式建模的多个变量之间的复杂依赖性[30]。作为机器学习的一个重要分支，深度学习（DL）属于表示学习范畴。它通过多层神经网络从数据中提取高级抽象特征，并基于反向传播等算法自动识别大型数据集中的复杂模式，在各个领域展现出显著的能力[31]、[32]、[33]、[34]、[35]、[36]。近年来，DL逐渐被集成到CMS的设计中，为解决高维非线性映射问题提供了创新方法[37]、[38]、[39]、[40]、[41]、[42]、[43]、[44]。这种方法不仅高效地构建了结构参数与光学响应之间的复杂映射，还显著促进了CMS的按需设计和性能优化。2020年，陶等人采用全连接神经网络结合遗传算法优化，准确预测了T形2D衍射CMS在高阶衍射光束中的CD光谱，计算速度比传统的严格耦合波分析方法提高了四个数量级[37]。Ashalley等人开发了一个端到端的多任务DL（EMDL）框架，该框架可以从LCP/RCP吸收光谱和CD光谱中共同学习，无需辅助网络即可稳定捕获共振特征，并成功应用于生物分子对映体传感，显示出强大的实际潜力[38]。2023年，陈的团队采用条件生成网络（CGN）实现了全硅CMS的按需设计，这种CMS在受到RCP光激发时可以生成携带轨道角动量的聚焦涡旋光束，为集成光子学和传感技术开辟了新路径[39]。类似地，韩等人开发了一个逆向设计框架，结合多任务神经网络（MNN）和串联神经网络（TNN），成功优化了CMS结构，实现了对特定手性分析物的极高灵敏度[40]。这项工作为高度特定的生物传感应用提供了一个高效且可定制的设计平台。2024年，罗等人构建了一个双向DL网络（BDLN），专注于平面CMS的光谱预测和逆向设计，将单次预测时间缩短到传统FDTD方法的1/40,000，同时保持高精度[41]。2025年，胡等人提出了一种B形CMS，并开发了一个全连接的前向-逆向协作网络（FICN），结合了人工神经网络（ANNs），实现了0.78的峰值CD和1.6 × 10?4的预测均方误差降低。这项工作强调了DL在提高设计精度和设备性能方面的双重优势[42]。与传统数值优化方法不同，DL在非线性拟合和泛化方面表现出色，有效揭示了难以显式表达的结构参数与光学特性之间的隐含模式。此外，基于DL的框架能够同时进行前向预测和逆向设计，大大减少了对外部全波数值模拟的依赖，节省了计算资源和时间。这种智能的数据驱动设计范式为快速探索和优化CMS提供了强大工具，极大地加速了手性光子器件的发展。
利用深度神经网络辅助的逆向设计框架，本研究开发了一种热可调的τ形InSb CMS，用于THz区域的双功能传感。如图1(a)所示，当CMS阵列完全浸入含葡萄糖的水溶液中时，观察到CD光谱的明显变化，验证了其用于折射率（RI）传感的可行性。InSb的介电特性在我们之前的工作中已有详细说明[22]。我们的方法如图1(b)所示，采用双专家预测网络（DEPN）进行前向预测，以准确预测目标CD光谱，并通过逆向设计实现从光谱到结构参数的高效精确映射。图1(c)展示了其手性选择性吸收机制，在特定共振频率下，CMS强烈吸收LCP波，同时显著反射RCP波，从而产生了显著的CD效应。因此，这项工作提供了一种高效的反向设计方法以及开发可调THz CMS的清晰物理机制。
设计原理
图2(a)展示了双频CMS产生CD的机制示意图。当LCP和RCP特征波正常入射到所提出的CMS结构上时，CD响应定义为：CD = A+?A?，其中A?表示LCP波的吸收率，A+表示RCP波的吸收率[22]。根据这一定义，可以在频率f1 = 1.296 THz和f2 = 1.638 THz时计算出CD值，这些值表现出显著的CD效应。
结果与讨论
图3(a)展示了四个网络组件（EN1、EN2、EN1 + EN2（组合）和IDN）的训练损失曲线。经过200个周期后，EN2、EN1 + EN2和IDN的损失趋于一致，EN1 + EN2和IDN的损失约为0.1，而EN2的损失稳定在0.5以下。然而，EN1的损失在相对较高的值（约16）处趋于平稳，这需要进一步分析。我们将这种行为归因于两个主要因素：首先，组合器模块中的注意力机制最初
结论
总结来说，我们开发了一种热可调的τ形InSb CMS，用于双功能THz传感。其设计基于基于DL的逆向设计框架，该框架利用DEPN和注意力加权组合器融合EN1和EN2的输出，从而显著提高了关键光谱区域的预测精度。结合IDN后，该框架实现了从CD光谱到结构参数的高效精确映射。训练模型表现出优异的性能
CRediT作者贡献声明
荣晨光：撰写——原始草稿、可视化、验证、方法论、研究、正式分析、数据管理。吴玲：撰写——审阅与编辑、可视化、验证、正式分析、数据管理、概念化。杨玲玲：撰写——审阅与编辑、可视化、验证、资金获取、正式分析、数据管理。蔡斌：撰写——审阅与编辑、可视化、验证、资源管理、正式分析、数据管理。程永志：撰写——
资助
中国国家重点研发计划（2024YFB3714603）、国家自然科学基金（U2541259, 52304410）和湖北省重大项目（功能性涂层与材料，2023BAA003-1）。
利益冲突声明
作者声明没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
我们非常感谢新加坡南洋理工大学的王开远博士在数值模拟和理论讨论方面提供的宝贵帮助。
