|
浙江大学《Nature Machine Intelligence》:MetaAI开启超表面智能设计新路径
一、背景与挑战 现有优化方法(如梯度下降、遗传算法等)虽有一定成效,但仍受限于局部最优、计算成本高、难以复用等问题。深度学习模型常被用作仿真替代或拓扑生成器,但直接从电磁响应映射到拓扑存在非唯一性(不同拓扑可产生相似响应)与不稳定性(拓扑微小变化可能导致响应大幅波动)的挑战。 二、方法提出:MetaAI 框架
三、实现效果
四、创新点
五、结论 01 摘要 摘要: 在人工智能驱动的超材料发现中,超表面设计需要向未探索的性能区间进行外推,以发现新的结构。本文介绍MetaAI——一种物理感知的电流扩散框架,它协同利用空间拓扑和频域响应来发现非直觉的超表面架构。不同于受限于预设规格的传统逆向设计,MetaAI 作为一个性能合成器,通过生成连接电磁性能与超表面结构的电流分布来运作。这使得模型能够实现具有多样化拓扑的分布内与分布外设计目标。所提出框架的核心创新在于其双域扩散模块,该模块直接将超原子电流机制与电磁行为关联起来,从而能够发现工作带宽拓宽17.2% 的结构。我们在单层、多层和动态可调超表面对 MetaAI 进行了验证,在全波仿真和实验原型中展示了其分布外泛化能力。 02 图示 图1:使用MetaAI设计超表面的流程示意图
图2:我们的电流扩散Transformer示意图
图3:具有OOD性能的单层超表面设计结果
图4:可调超表面的实验设计结果
图5:多层超表面的实验设计结果
扩展数据图1 | 注意力模块的消融实验
扩展数据图2 | 不同配置下NSGA-II的优化结果
文章信息 文章信息:Li, E., Wang, Y., Jin, L. et al. Current-diffusion model for metasurface structure discoveries with spatial-frequency dynamics. Nat Mach Intell (2025). 暂无评论 |








