物理感知的机器学习驱动的宽带超开放声学超材料反向设计

《Advanced Science》：Physics-Aware Machine-Learning-Driven Inverse Design of Broadband Ultra-Open Acoustic Metamaterials

　　

通风消声器结合强声衰减与高通风性对于先进噪声控制至关重要。然而，在衰减、带宽、开放性和厚度之间取得平衡仍然是一个高维挑战。在此，研究人员提出了一种物理感知的机器学习驱动的反向设计框架，用于宽带超开放声学消声器（UAS）。基于格林函数参数化，设计空间被物理解耦为光谱参数和径向参数，确保物理可解释性同时降低复杂度。一个两阶段粗到细的替代模型同时捕捉宽带包络和尖锐共振特征。结合基于群体、混合目标并行（PHP）反向策略，该框架能够快速探索非凸景观，在数秒内识别数百个优化候选。关键的是，该框架揭示了厚度、通风和光谱响应之间的内在关系，并发现了隐藏的线性设计规则，这些规则作为阻抗匹配的几何代理。研究人员通过实验验证了多种架构：UAS-2代表高通风的整体单模设计，而UAS-3利用多模干涉改善光谱性能。为规避单单元谐振器的权衡上限，引入了一种并行复合架构（UAS-4）以提升性能。结果证实了在1000-2000 Hz内超过830 Hz的宽带带宽，具有超薄轮廓（0.1–0.2λ，4–8 cm）和80%的通风率。这项工作建立了一种数据驱动的范式，用于发现功能超材料的设计原理。

**论文解读：物理感知的机器学习驱动的宽带超开放声学超材料反向设计**

**研究背景与问题**

噪声控制是现代社会的普遍挑战，尤其在需要同时实现有效空气声衰减和高气流渗透性的场景中（如空调系统、风扇、管道和无人机）。传统消声器（如亥姆霍兹谐振器、膜吸收器、法布里-珀罗谐振器和Fano谐振器）通常以阻碍空气传输为代价实现强声抑制，导致降噪与通风之间的固有冲突。通风消声器（如元消声器、元笼、元屏障、相位梯度超表面、布拉格散射结构、Fano谐振器和混合型共振）已被广泛探索，其中双层Fano谐振系统通过离散共振路径与连续背景之间的相消干涉产生深透射谷，同时保持开放通道。然而，这类局部共振的效率受限于因果律支配的权衡：拓宽衰减带宽或加深抑制水平通常需要增加结构复杂性，从而不可避免地影响结构开放性和亚波长紧凑性。如何在多维设计空间中平衡这些相互冲突的目标，是当前研究的核心难题。

**研究内容与结论**

研究人员报道了一种物理感知的机器学习辅助反向设计框架，用于确定性发现基于双层Fano共振的宽带超开放声学消声器（UAS）。通过将格林函数与双层散射系统集成，设计空间被物理解耦为光谱参数（n₂、t）和径向参数（r_1,1、r_1,2、r_2,1、r_2,2），有效将底层散射物理编码到学习过程中，同时降低设计空间复杂度。实施了一种两阶段粗到细的替代架构，逐步提高光谱精度，同时捕捉宽带包络和尖锐Fano特征。基于此替代模型，采用基于群体的混合目标并行（PHP）反向预测与阶段幸存者选择，以全面导航高维景观。该“多对多”策略识别出数百个满足目标透射谱的候选结构，每个生成设计仅需数秒，从而允许精确定制衰减轮廓。关键的是，该框架揭示了厚度、通风和光谱响应之间的内在关系，并发现了隐藏的线性设计规则，这些规则作为最优阻抗匹配的几何代理，为缩放超开放结构提供了确定性“标尺”。基于这些规则，研究人员识别出三类UAS（UAS-2至UAS-4），它们在多个关键指标上优于现有通风超材料。实验验证证实了超过830 Hz的宽带消声带宽（1000-2000 Hz范围内），具有超薄轮廓（0.1–0.2λ，4–8 cm）和高达80%的通风率。该工作建立了一种稳健的数据驱动范式，用于发现功能声学超材料的设计原理。论文发表在《Advanced Science》。

**关键技术方法**

研究人员主要采用以下关键技术方法：（1）基于格林函数的双层散射系统参数化，将设计空间物理解耦为光谱参数和径向参数；（2）两阶段一维层次神经网络（DenseConv粗预测+U-Net精化）作为替代模型，实现多尺度光谱学习；（3）基于群体的混合目标并行（PHP）反向预测框架，结合阶段幸存者选择与硬投影约束，快速探索非凸设计空间；（4）实验验证采用高精度立体光刻3D打印（Formlabs Form 4，分辨率25微米）制作样品，并使用四麦克风阻抗管（B&K 4206-T）进行声学表征，同时通过风扇测量气流速度以评估通风性能。

**研究结果**

**3.1 干涉机制与光谱分区**：通过将双层结构概念化为亚波长声学干涉仪，研究人员揭示了设计空间内光谱参数（n₂t）与径向参数（k_1,1、k_1,2、k_2,2）的功能解耦。n₂t作为全局缩放因子决定共振位置，径向参数作为线型调制器控制带宽和对称性。基于相位累积边界，透射谱被划分为四个干涉区。通过速度对比和相位失配条件分析，确认了Fano共振干涉是宽带抑制的物理机制。优化设计分为三类：UAS-1（基线共振）、UAS-2（优化相消干涉）和UAS-3（多模干涉合并）。

**3.2 光谱参数的反向预测结果**：通过PHP框架在厚度t与有效角θ_eff空间内进行反向预测，揭示了厚度-渗透率的基本权衡：较薄轮廓需要更小的有效角（更高曲折度），而较厚轮廓允许更大的θ_eff。预测结果与理论可行性边界高度吻合，并识别出最优权衡边界（红色星线）。三路对比（替代模型、解析计算、全波仿真）验证了高保真度。PHP框架有效解决了“一对多”映射问题，生成多样化解构库，且计算效率极高（数秒内生成单个设计）。

**3.3 径向参数的反向预测结果**：在固定光谱配置下，对径向参数空间进行优化，发现几何描述符聚集为两条线性关系（UAS-1: k_2,2 = 2.88k_1,2 + 0.38；UAS-2: k_2,2 = 3.84k_1,2 - 0.63），这些线性规则作为最优阻抗匹配的几何代理。随着衰减阈值收紧，聚类收敛至单一全局最优状态。进一步识别出带宽-开放性权衡，UAS-2优于UAS-1。为突破单谐振器天花板，引入并行复合架构UAS-4，通过空间分布干涉位点实现加性通风，同时保持高保真消声。

**3.4 实验与性能验证**：通过3D打印制作UAS-2、UAS-3和UAS-4原型，采用四麦克风阻抗管测量透射损失（TL）。测量结果与全波仿真和替代模型预测高度一致，所有设计均实现超过830 Hz的宽带消声（TL > 10 dB），通风率分别为80%、75%和55%。声压场分布和流线图直接可视化验证了Fano共振相消干涉机制。该性能在亚波长厚度（0.1-0.2λ）下建立了新的基准。

**讨论与结论总结**

讨论部分指出，实验与预测之间的微小定量偏差主要源于热粘性损耗和TL的非线性投影，但特征频率和消声带宽保持高度稳健。通过与传统设计对比，UAS架构在宽带、紧凑性和通风性方面实现了显著提升。结论部分总结：研究人员建立了一种物理感知的机器学习辅助反向设计范式，将复杂Fano共振消声器的设计从穷举计算转变为确定性反向设计过程。通过格林函数基双层散射系统解耦设计空间，两阶段替代架构捕捉多尺度特征，PHP反向策略高效导航非凸景观。该框架不仅识别出同时优化宽带衰减、结构开放性和几何紧凑性的几何结构，还揭示了厚度、通风和光谱响应之间的内在关系，并发现了隐含的设计规则。关键的是，引入并行复合架构UAS-4以克服单谐振器的带宽-开放性权衡上限。实验验证了整体（UAS-2、UAS-3）和复合（UAS-4）原型的高保真度，在1000-2000 Hz内实现超过830 Hz的消声带宽，通风率高达80%，亚波长厚度（0.1-0.2λ，4-8 cm）。这些结果建立了通风声学超材料的新性能基准，并证明了所提设计对算法近似和边界层耗散的固有鲁棒性。总体而言，该工作建立了一种通用的物理信息反向设计策略，为解决声学衰减与气流传输之间的长期权衡提供了系统路径，并展示了物理感知机器学习在下一代器件设计中的变革潜力。