人工智能与纳米光子学的结合形成了一个有趣的跨学科课题。一方面，虽然人工智能无法解决光子学研究中的所有难题，但它可以协助设计纳米光子学器件。传统的逆向设计很大程度上基于试错过程，既需要设计和优化的专业知识，又需要耗费大量的人力和时间。相比之下，机器学习作为人工智能的一个子集提供了一种数据驱动的新方法，即利用大量的数据来训练针对特定任务的算法模型进行器件的设计和优化。人工智能是否以及如何有助于逆向设计仍然是个开放的问题，但其潜在的应用方式值得进一步研究。另一方面，人工智能和纳米光子学之间的关系并不是单向的，而是交互的。特别是在深度学习快速发展的背景下，传统的电子计算能够提供的算力已逐渐到达瓶颈。而纳米光子电路由于其在速度、并行度和能耗等方面的优势有望被应用于实现光子计算，成为解决算力挑战的有效方案。由于人工智能和纳米光子学之间的学科差异，很多对这个跨学科新兴领域感兴趣的人都面临着知识鸿沟。希望通过《纳米光子学与机器学习-概念、基础和应用》这本书架起两学科之间交叉融合的桥梁，可以帮助广大读者加强理解并从中受益。
姚侃，德克萨斯大学奥斯汀分校机械工程系博士后研究员，2017年在美国东北大学电子与计算机工程系获得博士学位后于次年加入得州大学并工作至今，此前分别在中国科学技术大学和中国科学院电子学研究所获得电子工程专业学士及硕士学位。他的研究兴趣涵盖超材料、超表面、微纳光学器件、光与物质的相互作用等纳米光子学的多个子领域，目前已在Advanced Materials、ACS Nano、ACS Photonics等期刊上以第一作者发表多篇论文，并为包括Advanced Materials、Scientific Reports、Optics Express/Letters、Physical Review A/E在内的期刊担任审稿人。
郑跃兵，美国德克萨斯大学奥斯汀分校机械工程系终身教授。郑教授于2010年在宾夕法尼亚州立大学获工程科学与力学博士学位，于2010至2013年在加利福尼亚大学洛杉矶分校担任博士后研究员。其团队致力于光学和纳米光子学的跨学科研究，包括纳米尺度下光与物质的相互作用，光操控及加工，光测量，和用于生物医学，信息技术及能源的新型光学材料及器件。目前已在Nature Photonics, Nature Communications, Science Advances, Chemical Reviews, Nature Reviews Chemistry, Advanced Materials, ACS Nano, Nano Letters, and Materials Today 等国际著名刊物上发表论文160余篇。他曾获得University Co-op Research Excellence Award for Best Paper， Materials Today Rising Star Award, NIH Director’s New Innovation Award, NASA Career Award, ONR Young Investigator Award, and Beckman Young Investigator Award.
郑跃兵团队网站：
https://zheng.engr.utexas.edu/
有读者说经常收不到公众号的推送文章。
终于，我发现了一个秘密！
原来，不『星标⭐️』您就看不到我了！
目前有个有效的解决方式：点击文章顶部的公众号名字『中国光学』，会进入一个界面，点击右上角『···』的标识，会弹出一个新的界面，点击『设为星标』（方法如下图）。
