NanoPhotoNet-PINL：基于物理信息非线性深度学习的多层超表面逆向设计，用于增强3R-MoS2中的二次谐波产生（SHG）

《Optics Communications》：NanoPhotoNet-PINL: Physics-informed Nonlinear Deep-Learning for Inverse Design of Multilayer Metasurfaces for Boosted SHG in 3R-MoS 2

　　

摘要

3R相二硫化钼（3R-MoS₂）等非线性二维材料在原子级薄型平台上提供强二阶光学非线性，使其在片上频率转换、量子光生成和集成非线性纳米光子学领域极具吸引力。然而，沉积在平面基底上的单层或少层3R-MoS₂的二次谐波产生（SHG）效率从根本上受到弱光-物质相互作用、相位匹配不佳以及相互作用体积小的限制。多层超表面（MLM）提供了扩展的几何和材料自由度，能够实现双共振腔，在3R-MoS₂所在位置独立且同时增强基频（泵浦）和二次谐波场。然而，由于设计空间庞大且需要对线性响应和非线性响应进行协同优化，传统的试错法或仅正向的优化方法对于设计这种双共振多参数结构变得不切实际。在此，我们提出了一种名为NanoPhotoNet-PINL的基于物理信息的AI驱动逆向设计框架，该框架基于混合一维卷积神经网络和深度神经网络自动编码器，专为非线性多层超表面而定制。该模型将目标双共振反射光谱（基频和二次谐波波长处）数值映射到所需的各层几何结构和材料组成，以最大化与嵌入的3R-MoS₂薄膜之间的有效非线性重叠。通过将基于麦克斯韦方程的非线性电动力学集成到逆向设计循环中，我们计算每种预测的MLM设计的二次谐波转换效率和模式重叠因子，从而实现物理引导的训练和评估。我们的方法在线性光谱流形上实现了超过约99.2%的逆向设计预测效率，而优化后的双共振MLM与平面基底上的裸3R-MoS₂薄片相比，二次谐波强度增强了超过三个数量级。非线性转换和辐射效率的大幅提升使3R-MoS₂/MLM平台成为向紧凑型、CMOS兼容的非线性超表面器件发展的可扩展途径，适用于片上频率转换器、量子光源和全光信号处理。因此，NanoPhotoNet-PINL为高效二阶过程中的非线性多层超表面和相位匹配双共振腔的智能逆向设计确立了可推广的范式。

章节片段

引言

二次谐波产生（SHG）等二阶非线性光学过程支撑着广泛新兴的纳米光子技术，从片上相干光源和频率转换器到量子光生成和超快全光信号处理。(1), (2), (3) 原子级薄型过渡金属硫族化合物（TMDs）最近因其大的二阶非线性极化率、可见光区域的激子共振而成为极具前景的非线性介质。

方法

为了实现集成3R-MoS₂的双共振非线性MLM的稳健逆向设计，我们首先生成了一个涵盖多种几何和材料构型的综合数据集，这些构型对于同时控制基频和SHG共振是相关的。每个MLM设计包含1到5个垂直堆叠的层，在方形晶胞内具有方形纳米柱结构。方形晶胞的使用施加了面内对称性并简化了数值建模，而多层堆叠

结果与讨论

图2展示了NanoPhotoNet-PINL框架的训练损失和验证损失随训练周期的变化过程。观察到明显的收敛趋势，其中训练损失在优化早期阶段单调递减，反映了模型有效捕捉输入光谱特征与MLM的十二个目标几何参数之间高度非线性关系的能力。训练损失迅速接近

结论

总之，我们开发了NanoPhotoNet-PINL，这是一种针对非线性MLM的数值物理信息AI驱动逆向设计框架，能够实现在集成于双共振MLM腔中的3R-MoS₂中的高效二次谐波产生。通过将基于1D CNN的编码器用于光谱特征提取、全局平均池化（GAP）层以及用于结构参数预测的DNN解码器相结合，该模型准确地将期望的双共振反射光谱映射到多层几何结构，预测精度

利益冲突声明

作者声明不存在竞争性财务利益或个人利益冲突。

数据可用性

NanoPhotoNet-PINL的代码和原始数据可根据请求提供。

利益冲突声明

? 作者声明不存在已知的竞争性财务利益或个人关系，这些利益或关系可能被认为影响了本文所述的工作。

Omar A.M. Abdelraouf

埃及开罗大学工程学院工程物理与数学系，开罗 11535，埃及