人工智能（AI）與超構(gòu)光子學(xué)（metaphotonics）的融合正在為調(diào)控光與物質(zhì)相互作用構(gòu)建一種全新的范式。AI在多維數(shù)據(jù)中學(xué)習(xí)復(fù)雜關(guān)系并提供超高速推理的能力，與超構(gòu)光子學(xué)在構(gòu)建自然界不存在的光學(xué)特性方面的能力相結(jié)合，正在開啟計算設(shè)計、實時調(diào)控以及全自動光學(xué)系統(tǒng)的新時代。
據(jù)麥姆斯咨詢報道，近日，高麗大學(xué)（Korea University）、洛桑聯(lián)邦理工學(xué)院（EPFL）、浙江大學(xué)等機構(gòu)的研究人員組成的團隊在Opto-Electronic Advances期刊上發(fā)表了題為“AI-assisted metaphotonics”的綜述論文，概述了當(dāng)前最先進的AI驅(qū)動超構(gòu)光子系統(tǒng)設(shè)計方法，重點關(guān)注針對現(xiàn)實世界問題的解決方案，包括加速超構(gòu)光子仿真與逆向設(shè)計、光學(xué)數(shù)據(jù)表征以及開發(fā)全集成的端到端AI輔助超構(gòu)光子系統(tǒng)。最后，對超構(gòu)光子學(xué)與AI這一快速發(fā)展交叉領(lǐng)域的未來研究方向和新興機遇進行了展望。
隨著超構(gòu)材料（Metamaterials）與超構(gòu)表面（Metasurfaces）研究從基礎(chǔ)科學(xué)逐步邁向下一代技術(shù)，“超構(gòu)光子學(xué)”已逐漸成為一門獨立學(xué)科。納米光子學(xué)通常用于描述納米尺度下的光–物質(zhì)相互作用；而超構(gòu)材料與超構(gòu)表面則分別指具有人工設(shè)計光學(xué)特性的三維體結(jié)構(gòu)和二維平面結(jié)構(gòu)。超構(gòu)光子學(xué)涵蓋了利用這些亞波長人工結(jié)構(gòu)來調(diào)控光以構(gòu)建先進光子系統(tǒng)的更廣泛領(lǐng)域。在這一背景下，AI迅速成為應(yīng)對該領(lǐng)域內(nèi)在多種挑戰(zhàn)的重要工具，涵蓋從超構(gòu)原子與超構(gòu)表面的設(shè)計到光學(xué)輸出分析等多個環(huán)節(jié)（見圖1）。
圖1 AI輔助的超構(gòu)光子系統(tǒng)示意圖
用于超構(gòu)表面設(shè)計與優(yōu)化的AI
超構(gòu)表面的設(shè)計依賴于電磁響應(yīng)的計算，以實現(xiàn)對光學(xué)特性的精確調(diào)控。傳統(tǒng)方法包括時域有限差分法（FDTD）、有限元法（FEM）以及嚴格耦合波分析（RCWA）等，這些方法通過數(shù)值或半解析方式求解麥克斯韋方程，從而獲得高精度結(jié)果。對于具有簡單截面結(jié)構(gòu)的超構(gòu)原子而言，這類仿真在計算上是可行的；但隨著超構(gòu)原子結(jié)構(gòu)復(fù)雜度的提高，計算時間會顯著增加。對精細結(jié)構(gòu)特征的解析需要更高分辨率的時空離散，這會帶來巨大的計算成本，從而限制了大規(guī)模仿真的可行性。
為克服上述局限，基于AI的替代模型（surrogate models）已成為一種強有力的工具，可直接建立超構(gòu)表面幾何結(jié)構(gòu)與電磁響應(yīng)之間的映射關(guān)系（見圖2a）。在保持與傳統(tǒng)全場方法相當(dāng)精度的同時，其預(yù)測速度可以提升數(shù)個數(shù)量級。
圖2 AI替代模型進行納米光子仿真
總體而言，近期的研究進展圍繞AI驅(qū)動替代模型的四個核心挑戰(zhàn)展開：（1）基于網(wǎng)格的替代模型加速了電磁響應(yīng)預(yù)測；（2）神經(jīng)算子（neural operators）在無需重新訓(xùn)練的情況下，能夠在不同網(wǎng)格分辨率下保持預(yù)測精度；（3）基于圖的模型能夠準確表征曲邊界和復(fù)雜幾何結(jié)構(gòu)；（4）高數(shù)據(jù)效率的學(xué)習(xí)策略降低了對大規(guī)模訓(xùn)練數(shù)據(jù)的依賴。在這些進展的推動下，最新的替代模型為逆向設(shè)計提供了堅實基礎(chǔ)，使得能夠設(shè)計出滿足精確性能指標的超構(gòu)表面結(jié)構(gòu)。
逆向設(shè)計利用計算框架來確定超構(gòu)原子或超構(gòu)表面的結(jié)構(gòu)參數(shù)，使其實現(xiàn)預(yù)設(shè)的光學(xué)目標。早期方法采用深度神經(jīng)網(wǎng)絡(luò)（DNN），將目標光學(xué)響應(yīng)（例如相位分布、透射光譜或遠場全息圖）直接映射到設(shè)計參數(shù)（見圖3a）。然而，這類映射在本質(zhì)上是“一對多”的關(guān)系，往往導(dǎo)致訓(xùn)練過程不穩(wěn)定甚至難以收斂。為緩解這一問題，引入了串聯(lián)（tandem）架構(gòu)，即將逆向設(shè)計網(wǎng)絡(luò)與一個預(yù)訓(xùn)練的前向替代模型相耦合。通過最小化預(yù)測光學(xué)響應(yīng)與目標響應(yīng)之間的重構(gòu)誤差，該框架能夠穩(wěn)定訓(xùn)練過程，并在替代模型的訓(xùn)練分布范圍內(nèi)提升預(yù)測的準確性。
圖3 AI驅(qū)動的超構(gòu)光子逆向設(shè)計
逆向設(shè)計方法的發(fā)展已從確定性的深度網(wǎng)絡(luò)映射，逐步演進到基于替代模型的優(yōu)化、基于生成對抗網(wǎng)絡(luò)（GAN）的生成方法、擴散模型精細化、混合框架，以及融合穩(wěn)定性、多樣性與速度優(yōu)勢的物理信息神經(jīng)網(wǎng)絡(luò)（PINN）。未來的發(fā)展方向包括引入主動學(xué)習(xí)以持續(xù)提升替代模型的精度，以及采用更先進的生成模型以實現(xiàn)對“一對多”設(shè)計空間更加靈活且高保真的探索。
盡管AI驅(qū)動的超構(gòu)表面設(shè)計已取得顯著進展，然而這些設(shè)計在實際實現(xiàn)中仍然受到制造工藝的限制。將制造約束直接融入設(shè)計階段，不僅可以減少無效迭代，還能顯著提高實驗成功的幾率。近期研究提出了多種將制造可行性嵌入設(shè)計流程的有效策略。例如，Ueno等人將快速生成模型與替代模型相結(jié)合，并引入基于實驗標定的最小尺寸和間隙約束，構(gòu)建了一個考慮制造約束的超構(gòu)原子庫。通過性能指標篩選器，在保證完整2π相位覆蓋的同時篩選出滿足制造公差的設(shè)計，從而無需進行窮舉式全器件仿真即可實現(xiàn)快速的系統(tǒng)級綜合（見圖3c）。
用于表征和分析超構(gòu)表面光學(xué)輸出的AI
超構(gòu)表面能夠自由調(diào)控光的多維屬性，生成諸如反射率、透射率、散射率和吸收光譜等光學(xué)數(shù)據(jù)，以及捕捉光–物質(zhì)相互作用的二維圖像。然而，傳統(tǒng)基于物理或經(jīng)驗的方法往往難以全面表征已制備超構(gòu)表面光譜中的非線性、噪聲及多維特征。AI，尤其是深度學(xué)習(xí)，為此提供了一種有力替代方案，能夠揭示傳統(tǒng)方法無法解析的潛在模式和相關(guān)性。由于深度神經(jīng)網(wǎng)絡(luò)在挖掘輸入與輸出數(shù)據(jù)之間微妙關(guān)系方面表現(xiàn)出強大能力，它們成為探索光學(xué)數(shù)據(jù)隱藏規(guī)律的有效工具，從而實現(xiàn)基于超構(gòu)表面系統(tǒng)的先進AI驅(qū)動測量與傳感。
AI模型越來越多地被引入數(shù)據(jù)驅(qū)動的光譜分析中，使其能夠?qū)W習(xí)光譜數(shù)據(jù)中所蘊含的非線性模式、多變量相關(guān)性以及高維表示，從而提供物理見解，并有助于分析那些難以通過傳統(tǒng)方法獲取的復(fù)雜光學(xué)響應(yīng)。
在光譜數(shù)據(jù)中觀測到的光譜特征（例如共振峰位移以及透射率或反射率強度的變化）對外部環(huán)境變化或材料組成具有高度敏感性。這類光譜特征已被廣泛應(yīng)用于多種傳感領(lǐng)域，包括生物傳感、氣體檢測以及化學(xué)分類（見圖4a）。
圖4 AI輔助的光譜數(shù)據(jù)分析
傳統(tǒng)高光譜成像（HSI）系統(tǒng)通常依賴體積龐大的光學(xué)組件以及多次采集過程，導(dǎo)致系統(tǒng)結(jié)構(gòu)復(fù)雜且笨重。為克服這些局限，近年來的研究開始探索將緊湊、輕量化的超構(gòu)表面與AI驅(qū)動的快速數(shù)據(jù)處理相結(jié)合的方案。Lin等人開發(fā)了一種基于單個多波長超構(gòu)表面芯片的超緊湊快照式高光譜成像系統(tǒng)，該系統(tǒng)能夠在一次采集中獲取4波段多光譜圖像，并利用深度學(xué)習(xí)重建出18波段的高光譜數(shù)據(jù)立方（見圖4c）。
基于超構(gòu)表面的成像系統(tǒng)在微型化、集成化以及多功能性方面具有額外優(yōu)勢。其中，超構(gòu)透鏡（Metalens）為構(gòu)建基于超構(gòu)光子學(xué)的成像系統(tǒng)提供了一種直接途徑。這些特性使其在下一代緊湊型與可穿戴光學(xué)設(shè)備，例如增強現(xiàn)實（AR）和虛擬現(xiàn)實（VR）設(shè)備中具有重要吸引力。然而，超構(gòu)透鏡本身易受到像差影響，在圖像清晰度、對比度和信噪比方面存在限制，從而制約了實際應(yīng)用中的分辨率、視場角（FOV）以及整體成像保真度。為應(yīng)對這些挑戰(zhàn)，近期研究集中于將基于AI的圖像增強與復(fù)原技術(shù)應(yīng)用于超構(gòu)表面成像系統(tǒng)。此外，AI還被用于從簡單的二維數(shù)據(jù)中提取額外的維度信息，例如深度和相位信息（見圖5a）。
圖5 AI增強的超構(gòu)光子成像
除了校正色差之外，諸如視場受限和全彩圖像重建等問題，也已通過AI增強的超構(gòu)透鏡系統(tǒng)得到解決。這些方法旨在通過擴展空間信息并校正各顏色通道之間的光譜不一致性，從而提升視覺保真度。Liu等人將超大視場的超構(gòu)表面相機與基于Transformer的神經(jīng)網(wǎng)絡(luò)相結(jié)合，實現(xiàn)了視場超過100°的全彩成像，同時有效校正了色差和畸變。該網(wǎng)絡(luò)先基于模擬的點擴散函數(shù)（PSF）進行預(yù)訓(xùn)練，再通過真實測量數(shù)據(jù)進行微調(diào)，在中心區(qū)域和邊緣區(qū)域分別實現(xiàn)了13.5倍和2.7倍的對比度提升（見圖5c）。
AI驅(qū)動的端到端超構(gòu)表面系統(tǒng)
盡管AI已分別應(yīng)用于超構(gòu)光子學(xué)研究中的逆向設(shè)計以及基于超構(gòu)表面系統(tǒng)的光學(xué)輸出表征，但這些方法在理想設(shè)計與實際制備器件之間往往存在脫節(jié)。相比之下，通過在設(shè)計與表征之間構(gòu)建可微分的流程，可以實現(xiàn)端到端系統(tǒng)，從而在優(yōu)化過程中同時考慮制造約束與完整的物理系統(tǒng)。
通過從超構(gòu)原子與超構(gòu)表面的逆向設(shè)計轉(zhuǎn)向基于完全可微分流程的系統(tǒng)級端到端優(yōu)化，AI在超構(gòu)光子系統(tǒng)中的應(yīng)用正在形成一種新的范式。這種方法構(gòu)建了一個多變量優(yōu)化目標，將超構(gòu)表面逆向設(shè)計與實際應(yīng)用（例如高分辨率成像、深度感知或偏振重建）統(tǒng)一起來（見圖6a）。類似的處理流程在傳統(tǒng)光學(xué)中早已存在，如今正被引入超構(gòu)光子系統(tǒng)之中。不同于傳統(tǒng)方法中針對特定相位分布設(shè)計超構(gòu)原子（而這種方式往往因材料與制造的物理限制而產(chǎn)生偏差），端到端優(yōu)化能夠同時考慮可實現(xiàn)的相位分布、自由空間傳播過程以及傳感器響應(yīng)。這種一體化設(shè)計推動了基于超構(gòu)光子學(xué)的先進成像系統(tǒng)發(fā)展，包括全息成像、超分辨成像以及三維成像，并促使超構(gòu)表面設(shè)計從單純追求物理響應(yīng)最大化，轉(zhuǎn)向以具體任務(wù)為導(dǎo)向的優(yōu)化，例如以精度、感知質(zhì)量以及實際可部署性為目標。
圖6 AI驅(qū)動的端到端優(yōu)化
通過這種基于AI的端到端優(yōu)化，研究人員能夠從根本上減小像差，并在大視場條件下成功生成高質(zhì)量的全彩圖像，從而顯著提升超構(gòu)透鏡的性能（圖6b）。
無源超構(gòu)表面已證明其在亞波長尺度調(diào)控光的能力。然而，要充分釋放具備自主功能的超構(gòu)表面的潛力，其光學(xué)特性必須在制造完成后仍可調(diào)控。結(jié)合AI的引入，這類系統(tǒng)將實時感知、自適應(yīng)控制、智能決策以及閉環(huán)反饋集成為統(tǒng)一框架，從而能夠在動態(tài)環(huán)境中實現(xiàn)無需人為干預(yù)的自優(yōu)化（見圖7a）。
圖7 AI驅(qū)動的自主超構(gòu)光子系統(tǒng)
AI與可重構(gòu)超構(gòu)表面的融合為無線通信和雷達感知帶來了變革性機遇。Fan等人展示了一種受穩(wěn)態(tài)調(diào)節(jié)啟發(fā)的超構(gòu)表面，其中由AI驅(qū)動的自調(diào)節(jié)可重構(gòu)超構(gòu)表面系統(tǒng)能夠自主地管理無線信道。這類系統(tǒng)在電磁互聯(lián)的智慧城市中具有潛在的顛覆性應(yīng)用（見圖7b）。此外，智能超構(gòu)表面在雷達與波束成形等應(yīng)用中也得到了廣泛研究，在這些場景中，對電磁波進行實時調(diào)控至關(guān)重要。
此外，受大語言模型（LLM）中推理模型的啟發(fā)，研究人員還提出了“超構(gòu)材料智能體”的概念。所謂光學(xué)智能體，是一種將數(shù)字光學(xué)技術(shù)與AI相融合的系統(tǒng)，能夠感知環(huán)境并自主調(diào)控光學(xué)系統(tǒng)。在復(fù)雜多變的環(huán)境中，這類系統(tǒng)有望實現(xiàn)超越傳統(tǒng)光學(xué)的性能。該智能體可以接收多種輸入（例如語音、圖像和文本）作為環(huán)境信息，并進行長期規(guī)劃，通過與機器人和人類的交互來實現(xiàn)既定目標（見圖7c）。借助自然語言推理能力以及多專家智能體協(xié)同，這類全自動系統(tǒng)展示了AI驅(qū)動超構(gòu)表面平臺的巨大潛力。
結(jié)論
本綜述重點闡述了AI在超構(gòu)光子學(xué)領(lǐng)域的關(guān)鍵進展及其影響，涵蓋了從基于數(shù)據(jù)驅(qū)動的仿真，到能夠?qū)崟r感知并自適應(yīng)環(huán)境的全自動系統(tǒng)。AI有望在設(shè)計與制造過程的優(yōu)化與控制中發(fā)揮主導(dǎo)作用，從而推動現(xiàn)實難題的解決。在系統(tǒng)層面，將AI用于分析和理解超構(gòu)表面與光的相互作用，為下一代傳感與成像應(yīng)用開辟了新的可能性，同時也有望降低對高水平專業(yè)人員進行復(fù)雜測量的依賴。這一點已在近期的端到端優(yōu)化系統(tǒng)以及能夠在外界刺激下主動重構(gòu)自身性質(zhì)的自主超構(gòu)表面中得到體現(xiàn)，而這些系統(tǒng)均由AI進行調(diào)控。
展望未來，可解釋人工智能（XAI）有望在納米尺度揭示新的物理機制，大語言模型可用于構(gòu)建交互式設(shè)計系統(tǒng)，片上光子學(xué)則為光學(xué)與量子計算提供關(guān)鍵支撐。在這些發(fā)展趨勢下，AI增強的超構(gòu)表面研究正成為連接兩大前沿技術(shù)的重要交匯點，為基礎(chǔ)研究與工程技術(shù)發(fā)展提供強有力的助力。
論文信息：
DOI: 10.29026/oea.2026.250263
