异构迁移学习在强圆二色性和高量子效率量子BIC基础超表面完美吸收器中的应用

《Physica B: Condensed Matter》：Heterogeneous Transfer Learning for Strong Circular Dichroism and High- Q qBIC-Based Metasurface Perfect Absorbers

　　

• •
  我们提出了一种基于ResNet的数据高效异构迁移学习框架，该框架能够克服物理和维度上的不匹配问题，从而在不同超表面领域实现优化设计。
• •
  结合遗传算法，该框架能够高效设计出具有近乎完美线性偏振吸收（0.98）、卓越的圆二色性（0.90）和Q值（258）的金基底手性超表面。
• •
  我们实现了一种全介质qBIC完美吸收器，其吸收率接近于1（0.992），Q值高达692，并通过调节硅的折射率展示了100%的调制深度的动态光学开关。

部分摘录

引言

超表面具有在亚波长尺度上操控电磁波的前所未有的能力，在包括手性传感、生化传感和光探测在内的多个前沿领域展现了巨大的应用潜力[1],[2],[3],[4]。早期的超表面光谱预测和逆向设计主要依赖于全波数值模拟方法，如时域有限差分（FDTD）方法和有限元方法（FEM）[5],[6]。

结果与讨论

在这项工作中，我们构建了一个使用残差网络（ResNet）作为主干网络的编码器-解码器架构，如图1(a)所示。该网络的基本构建块是包含跳跃连接的残差块，见图1(b)。该块包含全连接层、批量归一化层和ReLU激活函数[34],[35],[36]。ResNet中的跳跃连接有效缓解了梯度消失问题[37]。在此基础上，我们

结论

我们提出了一个用于预测和逆向设计不同物理领域超表面完美吸收器的异构迁移学习框架。基于ResNet的模型在大型全介质数据集上预训练后，成功应用于两个目标任务：金基底高圆二色性吸收器和全介质超高Q值qBIC完美吸收器。与从头开始训练相比，逐步微调使预测均方误差分别降低了38.2%和28.2%

CRediT作者贡献声明

马仁忠：撰写——原始草稿，研究，形式分析。子瑜：资源获取，方法論，研究。严振东：撰写——审稿与编辑，资金获取，概念化。蒲兴婷：监督，软件开发。黄忠：撰写——审稿与编辑，形式分析。杜伟：验证，方法論

利益冲突声明

? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文中报告的工作。

致谢

本工作得到了国家自然科学基金（项目编号：11904139 和 11704184）的支持。我们感谢周星平博士的有益讨论。

马仁忠|子瑜|严振东|蒲兴婷|黄忠|杜伟