基于条件Wasserstein生成对抗网络的可调谐红外超表面吸收器的逆向设计

《Advanced Optical Materials》：Inverse Design of Tunable Infrared Metasurface Absorbers via a Conditional Wasserstein Generative Adversarial Network

　　摘要

窄带完美吸收体在光谱传感、分子检测及红外成像领域具有重要应用价值。然而，其设计受到传统直观迭代方法的限制，同时还面临多目标优化难题。在此，我们提出了一种基于深度学习的逆向设计框架，该框架采用条件Wasserstein生成对抗网络。我们的实现方案将条件WGAN与能够生成多种几何形状的均匀采样算法相结合，同时运用双通道图像编码方式来表示几何结构与厚度信息。这种组合使得网络能够学习到目标光学响应的丰富且可行的结构分布。借助条件WGAN学习分布P(x ∣yx∣y${\rm x}\mid{\rm y}$)的能力，我们解决了“一对多”的问题，从而为每个输入光谱生成多种功能多样的设计，且具有极高的光谱保真度（共振峰宽度<5纳米，均方误差约为10?3）。通过迁移学习微调，该模型在倾斜照明条件下（10°–40°）仍能保持稳定性能。全波仿真结果显示，混合等离子体-介质共振结构可实现近乎完美的吸收效果以及强烈的近场增强效应。这种数据驱动的设计方法超越了传统的参数优化方式，为按需设计用于传感、光谱学及光信号处理的高性能光子器件提供了有力工具。

利益冲突

作者声明不存在任何利益冲突。

数据可用性说明

本研究的相关数据可在合理请求下从对应作者处获取。