NanoPhotoNet-Lase：物理信息神经网络驱动超表面纳米激光器逆向设计与相干波前调控的实验验证

《Nanomaterials》：Nanoparticle Behavior in the Body: Biochemical, Pharmacological and Cellular Aspects

　　

人工智能与物理建模的融合为加速有源纳米光子器件的设计提供了一条变革性途径。本文报道了NanoPhotoNet-Lase，一种将激光发射的电磁方程与速率方程直接嵌入其学习过程的物理信息神经网络（physics-informed neural network, PINN）框架，用以加速超表面纳米激光器的设计。通过将麦克斯韦矢量亥姆霍兹方程与染料增益介质的四能级粒子数动力学相耦合，该模型实现了光学响应的物理引导预测，能够在任意纳米结构几何构型和材料配置下快速估算激光阈值。利用高折射率超表面腔，NanoPhotoNet-Lase模型识别出支持准连续束缚态（bound states in the continuum, BICs）的优化几何结构，该结构具有强光场限制和高品质因子。以罗丹明B（Rhodamine B）染料作为增益介质，研究人员实验实现了所预测的激光发射。实测激光阈值（P_th~565 μJ/cm²）和发射波长（λ～620 nm）与模型预测的偏差小于1%。重要的是，该框架实现了相位梯度纳米激光超透镜和光束偏转的设计，并在数值上演示了相干、定向、聚焦或偏转的发射。这项工作将物理信息机器学习与实验纳米光子学相衔接，为相干发光超表面的实时、物理可解释设计建立了一种可扩展范式。

**研究背景与存在问题**

光子学与光电子学器件持续微型化的趋势推动了纳米级相干光源（纳米激光器）的发展。基于连续束缚态（bound states in the continuum, BIC）的超表面纳米激光器凭借超高品质因子（Q-factor）、低辐射损耗以及紧凑谐振腔内的强场局域特性而极具应用前景。然而，BIC纳米激光器的设计受制于高维参数空间的复杂性：谐振模式特性与激光阈值严重依赖于纳米结构几何参数、折射率分布、增益-腔耦合效率以及有源介质非线性载流子动力学等多变量的交织作用。传统全三维时域有限差分（finite-difference time-domain, FDTD）或有限元法（finite element method, FEM）模拟虽然精确，但计算开销极大，一次耦合麦克斯韦–布洛赫或激光速率方程的模拟可能耗时数小时，使得大规模参数扫描、随机搜索或逆向设计工作流几乎不可行。此外，既有BIC纳米激光器研究大多将谐振腔与增益介质视为解耦的设计问题，缺乏对电磁限制与粒子数动力学的联合优化；而现有的光子学物理信息神经网络（physics-informed neural network, PINN）研究也主要针对无源问题，尚未将支配增益、饱和与激光阈值的非线性速率方程纳入统一学习架构。因此，亟需一种能够自洽耦合全波电磁模型与有源四能级增益动力学、兼具正向预测与逆向设计能力的可微物理约束框架。

**研究内容与总体结论**

研究人员提出了NanoPhotoNet-Lase，一个将矢量亥姆霍兹方程与四能级激光速率方程同时嵌入复合损失函数的统一物理信息神经网络架构。该模型以包含坐标、电场剖面与局部折射率数据的三维空间点云为输入，采用共享多层感知机（multilayer perceptron, MLP）提取局部几何特征并结合对称最大池化聚合全局结构信息，在每次迭代中强制执行能量守恒与粒子数反转约束，从而绕过传统求解器的计算瓶颈，在毫秒量级内直接收敛至非线性耦合麦克斯韦–布洛赫系统的定点解。以五氧化二铌（Nb₂O₅，可见光波段折射率n~2.3）超表面腔为平台、罗丹明B（Rhodamine B, RhB）染料掺杂聚乙烯醇（polyvinyl alcohol, PVA）固态基质为增益介质，模型快速识别出支持高Q准BIC模式并具有最优增益重叠的纳米柱半径、高度与周期等几何配置。与传统FDTD工作流相比，NanoPhotoNet-Lase在保持定量精度的同时实现了超过10⁵倍的计算加速。通过直接制备与激射实验，Nb₂O₅:RhB超表面纳米激光器在发射波长（λ~620 nm）与阈值通量（P_th~565 μJ/cm²）上均与模型预测定量吻合。该工作将物理信息机器学习与实验纳米光子学相融合，为相干发光超表面的实时、可解释逆向设计建立了可扩展范式。

**关键技术方法**

研究人员采用的主要技术方法包括：(1) 基于商业Lumerical FDTD解决方案的三维时域有限差分模拟，对BIC超表面几何与折射率进行参数扫描，纳米结构附近最小网格步长小于5 nm，并以1×10^?7的自动关闭电平确保稳态收敛；(2) NanoPhotoNet-Lase物理信息神经网络架构，将电磁残差损失、载流子速率方程、增益阈值损失与稀疏监督场数据损失整合为总损失函数；(3) 电子束光刻（electron-beam lithography, EBL）与原子层沉积（atomic layer deposition, ALD）相结合的纳米加工流程，采用CHF₃基电感耦合等离子体反应离子刻蚀（ICP-RIE）定义梯形纳米柱；(4) 基于超连续纳秒激光器的透射光谱测量系统与显微光致发光（μ-PL）测试平台。增益介质为10 mM RhB/PVA溶液旋涂而成的约800 nm厚薄膜，基底为双面抛光深紫外级石英（Photonik, Singapore）。

**研究结果**

*2.1 物理信息设计概念与NanoPhotoNet-Lase架构*

研究人员提出了统一PINN框架，将被动电磁响应由频域矢量亥姆霍兹方程支配，通过在计算域内随机采样配点最小化物理残差进行学习；同时引入适用于RhB有机染料的四能级激光系统速率方程，建立光场限制与载流子动力学之间的自洽反馈回路。复合损失函数中还包括增益阈值损失与稀疏监督场数据损失，以防止收敛至平凡的真空解，从而实现光场、极化动力学与激光阈值的自洽预测。

*2.2 逆向设计与AI预测性能*

模型训练2000轮后训练损失降至0.7%、验证损失为4.5%，表现出优异的收敛稳定性。针对目标620 nm共振的逆向设计，AI预测共振波长为619.796 nm，与FDTD验证值619.703 nm偏差小于1%；AI预测的近场电场分布与目标分布高度吻合，在介质柱内表现出强局域增强并与周围RhB增益介质形成良好的空间重叠。模型还成功完成了620–700 nm宽波段单共振及共振波长间隔20–65 nm可调的双共振系统的逆向设计，展示了高计算效率下复杂纳米光子学设计任务的执行能力。

*2.3 实验实现与纳米激光特性*

采用EBL与ALD组合工艺制备逆向设计的Nb₂O₅介质超表面腔，SEM表征确认与AI预测的几何尺寸高度一致。在RhB/PVA增益层包覆下，实测归一化光致发光（photoluminescence, PL）强度随泵浦通量变化呈现从自发辐射到放大受激发射的明显转变，峰值PL强度呈高度非线性“S曲线”，定义出极低的激光阈值P_th~565 μJ/cm²（对25个制备器件进行测量，图3c,d为性能最佳器件）；发射线宽（full width at half maximum, FWHM）从超过50 nm急剧窄化至4 nm以下。模型预测阈值（~490 μJ/cm²）略低于实测值，归因于AI训练中未完全涵盖的加工缺陷。远场光学成像显示阈值以下发射为微弱漫射光，阈值以上则转变为严格局域于图案化超表面边界内的强亮发射信号，证实高Q准BIC纳米激光阵列的成功激发。

*2.4 相干波前工程：相位梯度纳米激光器与光束偏转*

基于光学互易原理，研究人员将逆向设计框架拓展至相位梯度超表面，利用Pancharatnam–Berry（PB）相位概念通过旋转梯形元原子实现2π空间相位覆盖，在谐振发射波长附近透射效率接近98%。设计的发光超透镜在焦平面产生衍射极限聚焦光斑，FWHM约391 nm；施加线性相位梯度后，模拟远场证实强相干发射被精准重定向至15度角的单向平面波，且二次衍射级串扰极小。需注意，相位梯度超透镜与光束偏转器件目前仅经FDTD数值验证，尚未完成制备实验。

**讨论与结论总结**

基准对比表明，NanoPhotoNet-Lase通过将矢量亥姆霍兹方程与四能级激光速率方程统一于单一可微优化框架，实现了Q因子达264的准BIC共振优化，支持620–695 nm宽波段调谐，弥补了纯数据驱动模型无法设计有源激光系统、以及传统PINN不包含增益介质非线性动力学的不足。研究结论指出：该框架实现了纳秒激光性能的实时预测，保真度接近数值求解器而计算速度提升数个数量级；通过Nb₂O₅-RhB超表面阵列的直接制备与激射实验，验证了波长与阈值的定量一致性；数值演示的相干光束聚焦与偏转被认为是迈向有源可编程超表面发射器的基本步骤。展望方面，该可微架构可扩展至基于梯度的逆向设计、电注入系统或集成相变材料的自适应超表面，为多种光电子器件中的物理支配型AI加速提供了通用方法论。