|
新加坡南洋理工大学/新加坡国立大学最新Advanced Science!论文信息 新加坡南洋理工大学Ranjan Singh团队联合新加坡国立大学Chengkuo Lee团队提出了一种由物理约束主动学习机制增强的先验知识引导生成模型,旨在设计能产生高性能太赫兹共振的高不对称性超材料。该团队首先利用一个先进的扩散模型,从仅有的68个经典共振结构中学习特征,进而生成全新的高不对称性结构设计方案;随后,他们通过一种主动学习策略,依据物理特性筛选出最具潜力的生成结构并反馈至训练过程,以此有效克服了初始数据量不足的瓶颈。最终,基于此方法设计出的高不对称性超材料,其关键共振性能指标相较于传统设计提升了超过30%,显著降低了对大规模训练数据的依赖,为研制高灵敏度太赫兹器件提供了一条高效的新路径。 研究成果于2025年9月23日以题为“High-Asymmetry Metasurface: A New Solution for Terahertz Resonance via Active Learning-Augmented Diffusion Model”发表在《Advanced Science》上。 图文速览 图1:基于主动学习增强扩散模型所提出的高不对称性太赫兹超材料结构设计示意图。
图2:所提出的物理约束主动学习机制示意图。
图3:用于生成高不对称性超材料结构的扩散模型架构。
图4:生成的高不对称性结构示意图。
图5:所涉及的传统结构与生成的高不对称性结构的实验结果对比。
文献来源 |






