(资料图)

超表面作为二维超材料，在亚波长范围内显示出迷人的电磁调制能力，为操纵平面内电磁波的财产开辟了一条新途径。由于EM波的灵活调制，元表面已经产生了许多迷人的应用，如完美吸收体、隐形装置、平面元透镜和元全息投影。超表面技术的出现在开发和改进光学和微波器件方面表现出非凡的能力。许多引人入胜的作品如雨后春笋般涌现，极大地丰富了全息图的设计和应用。根据信息调制方式，元表面全息术大致可分为三类：纯相位、纯振幅和复振幅元表面全全息术。

在传统的全息图设计中，基于惠更斯-菲涅耳理论推导出元表面的相位和振幅分布，然后通过设计具有特定EM响应的元表面元件来填充目标全息图分布，以完成元表面的设计。由于元件之间的耦合和元件的误差，衍射理论的理论结果与实际结果略有不同，因此，需要进一步的数值模拟来验证全息图，这消耗了计算资源并增加了设计的复杂性。

所以简化传统的设计流程将进一步提高元表面的设计效率，科学家们借助机器学习的力量，在材料设计领域的普及为简化元表面设计提供了一种新的方法。近年来，机器学习在元表面设计和应用中得到了广泛的应用。在元表面设计中，最常见的设计方法应用于微观结构层面，包括元表面的正向设计和反向设计，即可以直接从结构中推导出EM响应，可以从EM谱中推导出几何参数。

机器学习通过取代模拟过程，有效地提高了元表面的设计效率。然而，传统的方法主要关注细胞的EM响应的优化，并根据指定的分布排列优化的细胞以实现指定的功能，这意味着忽略了细胞之间的耦合。因此，元表面可以从宏观角度进行设计。通过分析局部场的空间分布，可以准确地探索局部场的内部规律，重建局部场与调制器之间的映射关系。因此，通过从宏观角度分析电场分布，并通过机器学习方法整体生成元表面结构，可以进一步提高元表面的设计效率和精度。

在调制相位和振幅轮廓方面具有灵活性的复振幅全息元表面CAHM已被用于以前所未有的水平操纵波前的传播，从而使图像重建质量比其自然对应物更高。但是，CAHM的主流设计方法是基于惠更斯-菲涅耳理论、元原子优化、数值模拟和实验验证，这导致了计算资源的消耗。在这里，美国空军某大学的研究人员应用残差编码器-解码器卷积神经网络直接映射电场分布和输入图像，用于单片元表面设计。

首先通过衍射理论计算的电场分布对预训练的网络进行训练，然后将其作为迁移学习框架进行迁移，以映射模拟的电场分布和输入图像。训练结果表明，数据集的归一化平均像素误差约为3%。作为验证，制作、模拟和测量了元表面原型。反向工程超表面的重建电场与目标电场具有高度相似性，这证明了我们设计的有效性。令人鼓舞的是，这项工作为CAHM提供了一种整体的场到图案设计方法，为元表面的直接重建铺平了新的道路。