01

研究背景

超構(gòu)光子學(xué)（Metaphotonics）由超構(gòu)材料出發(fā)，從對(duì)負(fù)折射現(xiàn)象和超構(gòu)透鏡的好奇逐漸發(fā)展而來(lái)，能夠利用以亞波長(zhǎng)結(jié)構(gòu)為構(gòu)筑單元排列成的人工材料，突破傳統(tǒng)材料的局限，實(shí)現(xiàn)新奇的光學(xué)現(xiàn)象，為完全控制光提供了更廣泛深入的見(jiàn)解和更有用的工具。

人工智能（Artificial intelligence, AI）研究、模擬和擴(kuò)展以類人類智能的方式進(jìn)行計(jì)算和完成復(fù)雜工作的系統(tǒng)及方法，已迅速融入各類學(xué)科的前沿研究中。對(duì)于超構(gòu)光子學(xué)而言，人工智能技術(shù)可以實(shí)現(xiàn)多種光子學(xué)器件及系統(tǒng)的正向逆向設(shè)計(jì)、優(yōu)化和大數(shù)據(jù)處理，有望廣泛應(yīng)用于三維顯示、自動(dòng)駕駛、傳感、生物成像等領(lǐng)域。人工智能技術(shù)適用于對(duì)復(fù)雜的光與物質(zhì)相互作用過(guò)程的分析和預(yù)測(cè)，將為正向逆向設(shè)計(jì)和海量數(shù)據(jù)分析提供了一種強(qiáng)有力的工具，將為未來(lái)智能光子設(shè)備賦能。

澳大利亞國(guó)立大學(xué)Yuri Kivshar院士和俄羅斯ITMO的Sergey Krasikov博士所在的國(guó)際研究小組在其最新綜述中，概述了智能超構(gòu)光子學(xué)領(lǐng)域——人工智能和超構(gòu)光子學(xué)交叉科學(xué)領(lǐng)域的進(jìn)展，重點(diǎn)介紹了機(jī)器學(xué)習(xí)的基本原理和賦能超構(gòu)光子學(xué)設(shè)計(jì)的具體應(yīng)用案例。該綜述的主要內(nèi)容如下：

1.機(jī)器學(xué)習(xí)的基本概念：機(jī)器學(xué)習(xí)作為一種正向和逆向光子學(xué)器件和系統(tǒng)設(shè)計(jì)的工具，文章首先闡述了其基本概念，以一個(gè)人工神經(jīng)網(wǎng)絡(luò)（artificial neural network, ANN）輔助設(shè)計(jì)超構(gòu)光子系統(tǒng)的例子體現(xiàn)出網(wǎng)絡(luò)的總體設(shè)計(jì)邏輯和優(yōu)勢(shì)。

2.超構(gòu)光子學(xué)中的超構(gòu)系統(tǒng)、超構(gòu)表面和納米天線結(jié)構(gòu)：介紹了超構(gòu)光子學(xué)的基本概念，結(jié)合實(shí)例說(shuō)明機(jī)器學(xué)習(xí)輔助納米天線設(shè)計(jì)過(guò)程。進(jìn)一步，重點(diǎn)介紹了變革性的超構(gòu)表面及通過(guò)機(jī)器學(xué)習(xí)增強(qiáng)其特性的例子，如在吸收器、結(jié)構(gòu)色、激光雷達(dá)（LiDAR）或近眼顯示器方面的設(shè)計(jì)應(yīng)用。

3. 超構(gòu)表面作為化學(xué)生物傳感平臺(tái)的應(yīng)用：機(jī)器學(xué)習(xí)在化學(xué)和生物傳感領(lǐng)域不僅可以用作傳感器優(yōu)化設(shè)計(jì)方法，還可以作為樣品分類的工具。列舉了機(jī)器學(xué)習(xí)用于比色傳感器優(yōu)化、增強(qiáng)DNA寡聚體檢測(cè)靈敏度、實(shí)時(shí)監(jiān)測(cè)生物分子動(dòng)力學(xué)、SARS-CoV-2分類等研究實(shí)例。

4.自適應(yīng)智能超構(gòu)系統(tǒng)：智能光子設(shè)備能夠隨著環(huán)境條件的變化自動(dòng)調(diào)整其響應(yīng)。例如，可根據(jù)電磁場(chǎng)頻率和入射角的變化而自適應(yīng)調(diào)整的“隱身斗篷”，可自動(dòng)調(diào)整元件位置和方向的激光器智能控制系統(tǒng)。

5. 總結(jié)和展望：總結(jié)了人工智能輔助超構(gòu)光子學(xué)設(shè)計(jì)的概念和進(jìn)展，拓展性地介紹了該技術(shù)未來(lái)在拓?fù)涔庾訉W(xué)、高Q光學(xué)共振超構(gòu)表面設(shè)計(jì)、光神經(jīng)網(wǎng)絡(luò)、生物啟發(fā)性智能器件、光子突觸、高維度優(yōu)化等研究領(lǐng)域的潛在發(fā)展和挑戰(zhàn)。

02

機(jī)器學(xué)習(xí)的基本概念

當(dāng)今人工智能領(lǐng)域的大多數(shù)應(yīng)用程序和設(shè)計(jì)都基于機(jī)器學(xué)習(xí)（machine learning, ML），機(jī)器學(xué)習(xí)的發(fā)展為人工智能的學(xué)習(xí)能力提供了一套數(shù)據(jù)驅(qū)動(dòng)的算法。機(jī)器學(xué)習(xí)算法的目標(biāo)是找到連接輸入輸出數(shù)據(jù)的數(shù)學(xué)模型，可完成包括分類、回歸、聚類、異常檢測(cè)和結(jié)構(gòu)化預(yù)測(cè)等一系列任務(wù)，但特征提取過(guò)程往往消耗較大并且需要特定領(lǐng)域的專業(yè)知識(shí)。

深度學(xué)習(xí)（Deep learning, DL）是機(jī)器學(xué)習(xí)的一個(gè)子類，如圖1所示。該方法基于人工神經(jīng)網(wǎng)絡(luò)的分層結(jié)構(gòu)，以類似生物神經(jīng)結(jié)構(gòu)的的方式工作。與經(jīng)典機(jī)器學(xué)習(xí)方法不同，深度學(xué)習(xí)的關(guān)鍵在于自動(dòng)學(xué)習(xí)數(shù)據(jù)集特征，設(shè)計(jì)過(guò)程不需要掌握特定領(lǐng)域的知識(shí)即可得到輸入輸出間的映射關(guān)系。

圖1 機(jī)器學(xué)習(xí)相關(guān)的不同概念間的關(guān)系 深度學(xué)習(xí)主要作為一種正向或逆向光子學(xué)設(shè)計(jì)的工具使用，如圖2所示，數(shù)據(jù)集中特定結(jié)構(gòu)的物理響應(yīng)通過(guò)數(shù)值仿真或?qū)嶒?yàn)獲得。正向設(shè)計(jì)預(yù)測(cè)給定結(jié)構(gòu)的物理響應(yīng)（如散射光譜、偏振等）；逆向設(shè)計(jì)可確定提供目標(biāo)響應(yīng)所需的結(jié)構(gòu)參數(shù)。深度學(xué)習(xí)實(shí)現(xiàn)了一種非模擬的而是數(shù)據(jù)驅(qū)動(dòng)的近似模型替代，即可近似看作是一個(gè)結(jié)構(gòu)和物理響應(yīng)之間的功能映射黑盒。

圖2 基于深度學(xué)習(xí)技術(shù)的正向和逆向設(shè)計(jì)

03

變革性的超構(gòu)系統(tǒng)和超構(gòu)表面設(shè)計(jì)

光學(xué)超構(gòu)材料可以有效操控電磁波，展示出多種奇特的光學(xué)現(xiàn)象并有望代替部分傳統(tǒng)光學(xué)元件和設(shè)備，進(jìn)一步支持未來(lái)光子技術(shù)在高水平集成化、多功能、高性能的嵌入式數(shù)據(jù)處理和波導(dǎo)集成平臺(tái)上的發(fā)展。因此，在超構(gòu)光子學(xué)領(lǐng)域，研究和優(yōu)化材料構(gòu)建塊（如納米天線和超構(gòu)表面）成為一項(xiàng)重要的工作。

文章首先介紹了利用機(jī)器學(xué)習(xí)方式設(shè)計(jì)納米天線的過(guò)程和總體思路。以核殼結(jié)構(gòu)的散射響應(yīng)工程為例，如圖3所示，通過(guò)訓(xùn)練網(wǎng)絡(luò)達(dá)到正向預(yù)測(cè)納米粒子的散射光譜或者逆向確定特定響應(yīng)所需的材料和結(jié)構(gòu)參數(shù)的目標(biāo)。相較于傳統(tǒng)的FDTD仿真，機(jī)器學(xué)習(xí)正向設(shè)計(jì)的速度快，預(yù)測(cè)準(zhǔn)確度高，有望結(jié)合傳統(tǒng)的數(shù)值仿真方式形成一種新型的計(jì)算工具實(shí)現(xiàn)實(shí)時(shí)遠(yuǎn)場(chǎng)響應(yīng)設(shè)計(jì)。進(jìn)一步，為解決深度學(xué)習(xí)中對(duì)大數(shù)據(jù)樣本的需求，遷移學(xué)習(xí)（transfer learning）的提出允許使用已為其他任務(wù)訓(xùn)練過(guò)的人工神經(jīng)網(wǎng)絡(luò)來(lái)解決新的問(wèn)題。

圖3 機(jī)器學(xué)習(xí)賦能多層納米天線設(shè)計(jì)。(a)基于深度學(xué)習(xí)方法的設(shè)計(jì)程序示意圖。(b)演示由相變材料制成的多層球體從不可見(jiàn)到超散射的轉(zhuǎn)變。(c)遷移學(xué)習(xí)過(guò)程

隨后，介紹了機(jī)器學(xué)習(xí)輔助的特定功能超構(gòu)表面及超構(gòu)器件設(shè)計(jì)優(yōu)化，如圖4所示。其中，深度學(xué)習(xí)可以處理具有固定幾何形狀單元結(jié)構(gòu)的參數(shù)優(yōu)化問(wèn)題或?qū)崿F(xiàn)自由形式設(shè)計(jì)，如像素化圖像集的單元結(jié)構(gòu)，從而顯著擴(kuò)展了單元結(jié)構(gòu)幾何形狀的范圍。超構(gòu)表面和超構(gòu)器件開(kāi)發(fā)的關(guān)鍵任務(wù)之一是調(diào)整光與物質(zhì)相互作用的特定參量，因此許多研究都致力于設(shè)計(jì)和優(yōu)化其吸收、散射和衍射特性。文章介紹了深度學(xué)習(xí)輔助設(shè)計(jì)在多諧振和寬帶吸收器、結(jié)構(gòu)色器件、高性能太陽(yáng)能電池、激光成像探測(cè)和測(cè)距（laser imaging detection and ranging, LIDAR）系統(tǒng)、近眼顯示器、“光帆”、高魯棒性器件等方面的應(yīng)用，體現(xiàn)出該設(shè)計(jì)方法對(duì)超構(gòu)器件和系統(tǒng)實(shí)用性起到了重要的提升作用。

圖4 機(jī)器學(xué)習(xí)賦能的變革性超構(gòu)表面設(shè)計(jì)。(a)超構(gòu)表面逆向設(shè)計(jì)的一般方案。(b)由兩個(gè)ITO電極組成的LIDAR設(shè)備示例，其中超構(gòu)結(jié)構(gòu)包含液晶，施加到電極的電壓通過(guò) FPGA處理器控制。超構(gòu)表面通過(guò)調(diào)整折射率以所需角度偏轉(zhuǎn)透射光束。(c)利用分束器作為耦合光柵的雙目近眼顯示器

04

化學(xué)和生物傳感

智能生物傳感器融合了多種先進(jìn)技術(shù)，而機(jī)器學(xué)習(xí)輔助設(shè)計(jì)的超構(gòu)表面是其中一類子課題，具有極高的研究?jī)r(jià)值，如圖5所示。一方面，該超構(gòu)傳感器提供了一個(gè)可靠穩(wěn)定的傳感平臺(tái)。文章以所展示的基于全電解質(zhì)超構(gòu)表面的比色傳感器及基于等離子體超構(gòu)表面的DNA寡聚體檢測(cè)器與傳統(tǒng)器件的對(duì)比，展示出該類優(yōu)化傳感器的高靈敏度和高穩(wěn)定性。另一方面，也可設(shè)計(jì)其使成為分析響應(yīng)光譜及對(duì)特定分子分類的工具，用于生物分子動(dòng)力學(xué)監(jiān)測(cè)研究。

圖5 深度學(xué)習(xí)賦能的超構(gòu)傳感器。(a)深度學(xué)習(xí)輔助設(shè)計(jì)的超構(gòu)表面?zhèn)鞲袘?yīng)用示意圖。(b)使用深度學(xué)習(xí)方法逆向設(shè)計(jì)的比色傳感器示例。(c)深度學(xué)習(xí)輔助設(shè)計(jì)的SARS-CoV-2分類器件。(d)用于監(jiān)測(cè)生物分子動(dòng)力學(xué)的等離子體傳感器示例

05

自適應(yīng)超構(gòu)系統(tǒng)

人工智能技術(shù)可調(diào)整系統(tǒng)對(duì)特定輸入的響應(yīng)，進(jìn)一步改變輸入可編程超構(gòu)表面的編碼序列以適應(yīng)環(huán)境變化。近年來(lái)，作為智能超表面的一個(gè)新分支，這一概念在射頻無(wú)線通信領(lǐng)域引起了人們的廣泛關(guān)注，將有望應(yīng)用于6G和物聯(lián)網(wǎng)技術(shù)中，如圖6所示。

圖 6 自適應(yīng)超構(gòu)表面。(a)深度學(xué)習(xí)輔助自適應(yīng)超構(gòu)設(shè)備的示意圖。(b)自適應(yīng)隱形裝置示例。(c)基于超構(gòu)表面的深度學(xué)習(xí)輔助微波成像儀。(d)具有可重編程功能的基于超構(gòu)表面的光學(xué)人工神經(jīng)網(wǎng)絡(luò)。

06

觀點(diǎn)和展望

機(jī)器學(xué)習(xí)能夠幫助研究者實(shí)現(xiàn)非常規(guī)、高性能的光學(xué)設(shè)計(jì)，從而推進(jìn)基于超構(gòu)光子學(xué)設(shè)備的成像、傳感等功能實(shí)現(xiàn)，如圖7所示。隨著在智能光子學(xué)設(shè)計(jì)方法和新興材料平臺(tái)構(gòu)建上的投入增多，智能超構(gòu)系統(tǒng)、拓?fù)涔庾訉W(xué)、光神經(jīng)網(wǎng)絡(luò)、高維系統(tǒng)優(yōu)化等新研究、新視角、新方法將被不斷開(kāi)拓，從而極大地拓寬光子學(xué)領(lǐng)域及其應(yīng)用。

文章強(qiáng)調(diào)了光子設(shè)備作為物理神經(jīng)網(wǎng)絡(luò)平臺(tái)實(shí)現(xiàn)模擬自然神經(jīng)結(jié)構(gòu)的信息處理方法——神經(jīng)形態(tài)計(jì)算的可能性。不同于傳統(tǒng)的集中式處理架構(gòu)，通過(guò)這種分布式的信息處理方法，能夠?qū)崿F(xiàn)節(jié)能、并行的計(jì)算和任務(wù)處理。目前，不同類型的光子神經(jīng)元方案已通過(guò)使用馬赫-曾德?tīng)柛缮鎯x、相變材料、衍射元件等進(jìn)行物理實(shí)現(xiàn)。超構(gòu)光子學(xué)中的多種力學(xué)和非線性現(xiàn)象能夠進(jìn)一步使得這些物理深度學(xué)習(xí)平臺(tái)實(shí)現(xiàn)更復(fù)雜和重要的計(jì)算，如卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建等。同時(shí)，其他的受生物學(xué)啟發(fā)的智能超構(gòu)系統(tǒng)，如蜘蛛眼視覺(jué)系統(tǒng)、光子突觸等，在人工智能技術(shù)的助力下也能得到性能和功能多樣性的提升。

圖7 深度學(xué)習(xí)支持的超構(gòu)系統(tǒng)示例。(a)一維光子晶體拓?fù)涮匦缘恼蚝湍嫦蛟O(shè)計(jì)。(b) 通過(guò)深度學(xué)習(xí)算法設(shè)計(jì)的連續(xù)體中的束縛態(tài)，允許預(yù)測(cè)具有自動(dòng)標(biāo)記模式的反射光譜并找到合適的晶胞幾何參數(shù)。(c)受生物學(xué)啟發(fā)的深度學(xué)習(xí)算法輔助系統(tǒng)示例。通過(guò)模仿生物神經(jīng)網(wǎng)絡(luò)的工作邏輯，實(shí)現(xiàn)類蜘蛛視覺(jué)系統(tǒng)設(shè)計(jì)

責(zé)任編輯：彭菁