摘要
超材料是具有特殊性质的人工电磁功能材料，它能够改变电磁波的传播方式,实现对电磁波相位、振幅和偏振灵活有效的调控。超材料的设计通常分为正向设计和逆向设计两个方面，正向设计是指根据给定的结构参数或材料参数输出光学响应，逆向设计则是根据需求的光学响应输出对应的结构参数或材料参数。在传统方法中，无论是正向设计还是逆向设计，一般都离不开电磁仿真，特别在逆向设计中需要进行大量冗余的仿真。导致设计过程耗时费力还容易陷入局部最优解，且随着设计参数的增加设计复杂度将呈指数级增长，严重影响着超材料的设计效率及其应用。 近年来，基于深度学习的设计方法为超材料的快速设计提供了新的可能，显著缩短了超材料的设计周期。本文正是基于深度学习设计了多种等离激元超材料设计方法，旨在提高正向设计和逆向设计的效率及精度。主要研究内容为: 一、提出了基于分治思想的正向预测网络，与同等规模的全连接网络相比，不仅使用了更少权重参数，而且实现了更高的预测精度，另一方面，与级联网络相结合，成功实现了对多种类电路等离激元超材料的逆向设计，最后开发了一种可由用户灵活快速定义目标光谱的逆向设计工具。 二、提出一种基于物理引导的正向网络训练方法，该方法使用的网络结构与全连接网络无区别，但在物理的引导训练下，能显著提升正向网络的泛化能力。 三、针对全连接网络对复杂光谱尖锐或波动较大部分预测精度低的问题，我们提出了一种基于Transformer的正向设计网络，实验结果表明该网络模型对复杂光谱的预测精度远超于同等规模的全连接网络。 四、通过引入混合密度函数，搭建了一套能有效克服非唯一映射问题的逆向设计方法，该方法包括逆向设计网络、正向设计网络和后处理过程，后处理过程与正向网络相结合则可以从混合概率分布中选取出最优的结构参数组合，实验结果表明该方法能够根据目标光谱准确快速给出有效的逆向设计结果。
NETL