可编程超表面全波验证实时波束成形中的物理信息生成式代理学习

《Advanced Electronic Materials》：Physics Informed Generative Surrogate Learning for Full Wave Validated Real Time Beamforming in Programmable Metasurfaces

　　

可编程超表面能够实现敏捷的电磁波束赋形，然而密集二进制孔径的逆设计受馈源照射、局部耦合、有限孔径效应及模式相关状态统计的复杂影响。研究人员开发了一种面向实时波束成形且带全波验证的物理信息生成式代理框架。该框架集成了条件状态矩阵生成器、带硬路由残差专家的参量孔径物理代理模型、两阶段NSGA-II优化以及CST验证。生成器达到96.67%二进制准确率与94.47% F1分数。最优预测器测试RMSE为1.108 dBi、MAE为0.549 dBi、峰值增益MAE为0.114 dB。在137个优化全波验证案例中，平均峰值增益偏差接近-0.13 dB。对于35对实时/最终案例，精炼搜索平均提升全波目标区域增益2.943 dB、峰值增益0.573 dB，表明该代理可支撑实用化超表面波束优化。

研究背景与动机

可重构智能表面（RIS，Reconfigurable Intelligent Surfaces）与可编程超表面为动态控制亚波长电磁波提供了紧凑平台。理想阵列模型常将单元视为独立辐射体，但实际紧凑二进制孔径中，馈源照射、状态相关反射、有限孔径衍射、边缘散射、近场再辐射及邻元互耦共同主导远场分布。全波仿真精确但昂贵，简化物理模型高效却不达高保真。已有深度学习在正向预测与逆设计中取得进展，但实时波束成形仍面临三方面问题：优化态矩阵偏离随机训练分布导致代理排序失真；逆设计网络常绑定固定几何与场景；仅预测精度不足，须以全波验证确认实用性。为此，研究人员在《Advanced Electronic Materials》提出闭环物理信息生成式代理学习框架，将模式条件生成、孔径物理、残差修正与NSGA-II优化及CST全波校验融为一体。

主要关键技术方法

研究人员构建含8637（模式1）、26266（模式2）、8516（模式3）样本的43419组全波状态-场数据库，来源于10×10 PIN二极管加载贴片阵列（周期p=10 mm，Rogers 5880介质）在TE10喇叭馈源下的三类源依赖编码（随机元胞自动机连通图案、重叠圆形掩模、相位角派生二进制）。核心方法含四件：条件变分生成器学习模式相关二进制孔径先验；显式孔径物理分支（喇叭照射、状态反射系数Γ₀/Γ₁、径向锥削、最近邻互耦E_ij^coup、可微孔径积分得G_phys）加硬路由残差CNN专家修正；模式分类路由（99.885%准确率）选专家；两阶段NSGA-II（生成器播种实时搜+精炼）以掩模分区目标/保护/旁瓣区构造多目标，CST作终验。

研究结果

2.1 闭环物理信息生成式设计框架：以图1—图2实体平台（10×10 PIN单元）建立“生成—物理代理—进化优化—全波验证”单闭环，确立后续模块耦合基础。

2.2 模式感知条件生成式结构先验：变分自编码器以模式为条件向量，解码出10×10二进制态，像素级MAE 0.033、准确率96.67%、F1 94.47%、FID 0.044、JS 8.24e-07，判别器准确率50.03%近乎随机，证明生成分布与全波库不可分，替代随机初始化供NSGA-II种群。

2.3 模式路由物理信息残差代理：式(1)—式(7)给出Γ_ij=s_ijΓ₁+(1-s_ij)Γ₀、E_ij^inc、E_ij⁽⁰⁾、E_ij^coup及远场F(θ,φ)、G_phys，残差专家输出?_m=μ_G+σ_G(G?_phys+s_mR_m)。测试RMSE 1.108 dBi、MAE 0.549 dBi、峰值MAE 0.114 dB；分模RMSE 1.574/0.717/1.471 dBi。图6三例物理支MAE 5.28/5.57/4.72 dB，残差修正后降至0.41/0.05/0.09 dB。图7消融证显式互耦项与分模专家均不可省，纯CNN同等误差但失物理可解释。

2.4 模型性能与全波导向验证：路由分类99.885%，三专家硬分配稳定；137优化全波案例峰值增益偏差均值-0.13 dB，代理不系统性高估。

3.1 NSGA-II优化与目标构造：式(9)—式(24)将100维二进制矢量映至远场，椭圆掩模M_T分目标/保护/外区，构造f₁^sec/f₂^sec（单扇区）、f₁^dual/f₂^dual（双波束）、f₁^wide/f₂^wide（宽波束）及流形罚P_manifold，两阶段搜（实时中位0.286 s，p90 0.822 s）。

3.2 优化与全波验证结果：图8单/双/宽波束案例代理与CST峰偏0.73/0.31 dB（宽束误差略大）。35对实时→精炼全波目标区增益+2.943 dB、峰值+0.573 dB。194次实时运行中位0.286 s、p90 0.822 s；40×40孔径积分为10×10基线约16.00倍，具可预测缩放。

讨论与结论翻译

本研究建立了融合条件结构生成、物理信息残差代理建模、多目标逆优化与全波验证的可编程超表面波束成形集成框架，分离了四项功能：学习模式感知孔径先验、评估主导孔径至远场物理、修正残差全波差异、以电磁仿真验证优化设计。主要结论是代理既支撑优化引导也支撑独立测试预测：其1.108 dBi测试RMSE与0.114 dB峰值MAE同137优化全波案例一致（峰值偏差-0.13 dB）；配对实时/最终比较确认精炼后全波改善（目标区+2.943 dB、峰值+0.573 dB）。局限在于优化候选比普通测试样偏差大，尤其双波束与旁瓣抑制案，因轨迹进入全波库欠表示区；未来将引闭环全波反馈与主动学习，将大误差优化案回灌训练集。该框架以“生成质量—dBi网格代理误差—实时耗时—CST验证”同闭环报告，区别于既往单功能强结果工作。