社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

[超表面论文快讯-718]北京信息科技大学团队在LPR发表深度学习逆向设计太赫兹宽带超表面波片

超表面学习之路 • 2 月前 • 196 次点击  

-[超表面最新研究-第718期]-

北京信息科技大学团队在LPR发表深度学习反设计太赫兹宽带超表面波片

点击蓝字 关注我们


栏目介绍

「“论文快讯”栏目旨在精简地分享一周内 发表在高水平期刊上的Metasurface领域研究成果,帮助读者及时了解领域前沿动态,如果对专栏的写法或内容有什么建议欢迎留言,后续会陆续开启其他专栏,敬请期待。」




一

论文基本信息


标题:

Deep Learning-Assisted Inverse Design of Terahertz Bilayer Split-Ring Metasurface Wave Plates

作者:

Ji Zhang(北京信息科技大学);

Jingyi Zhu(北京信息科技大学);

通讯作者:Yandong Gong(北京信息科技大学);

发表时间:

2026年06月29日(其中2026年01月30日投稿,2026年05月03日返修,2026年06月09日接收)

发表期刊: Laser & Photonics Reviews(JCR-Q1,IF=9.7)



二

论文重要图文


摘要:

太赫兹四分之一波片是偏振复用、手性光谱和未来无线通信中的基础器件,但多层宽带消色差超表面波片具有大量几何自由度,传统试错或正向优化往往耗时长,并且一个目标电磁响应可能对应多组不同结构,给逆向设计带来典型的“一对多”难题。针对这一研究空缺,北京信息科技大学团队提出RMCV-MDN深度概率预测框架,将残差块、多头注意力、条件变分自编码器和条件归一化流与混合密度网络结合,用于逆向设计太赫兹双层开口环超表面四分之一波片。可以把该模型理解为一个“会给出多种可行结构概率分布的逆向设计助手”:它不只输出单个确定答案,而是在高维参数空间中学习多个可能解及其不确定性,再挑选最可能满足目标椭圆率的结构。模型在独立测试集上实现整体R2超过0.96、平均绝对百分比误差低至0.25%;利用该框架反设计的反射式双层开口环超表面QWP在0.6-1.4 THz和0.85-1.8 THz两个宽带范围内实现椭圆率超过0.94,并通过仿真与实验测量验证了与目标性能的高度一致。该工作为多层太赫兹超表面宽带消色差偏振器件提供了更快、更准确的反设计路径。该成果以 Deep Learning-Assisted Inverse Design of Terahertz Bilayer Split-Ring Metasurface Wave Plates 为题,于2026年06月29日发表于《Laser & Photonics Reviews》。

重要图片:

图1 反射式双层开口环超表面四分之一波片结构示意图。

(a) 反射式双层SR超表面QWP结构示意图。(b) 顶层金属SR结构及其对应结构参数示意图。(c) 中间层金属SR结构及其对应结构参数示意图。(d) 反射式双层SR超表面QWP单元的正视图。

图2 RMCV-MDN训练网络结构示意图。

CVAE表示条件变分自编码器层,CNF表示条件归一化流层。自适应损失函数在训练过程中动态调整不同损失项权重,以适应不同训练阶段的需求。

图3 (a) 残差块结构图,其中FC表示全连接层,LN表示层归一化。

(b) 12头注意力机制结构图。

图4 (a) CVAE示意图。

(b) CNF示意图。

图5 (a) RMCV-MDN在独立测试集上的绝对百分比误差箱线图。

(b) RMCV-MDN在独立测试集上的参数平均百分比误差。红色虚线表示整体MAPE,低至0.25%。

图6 目标椭圆率1(0.6-1.4 THz)的反设计结果统计验证。

(a)-(h) RMCV-MDN生成的太赫兹双层SR超表面QWP八个结构参数(R1、r1、φ1、θ1、R2、r2、φ2、θ2)的一维边缘概率密度曲线。每条不同颜色的细线表示一个独立高斯分量,即不同QWP。

图7 目标椭圆率2(0.85-1.8 THz)的反设计结果统计验证。

(a)-(h) RMCV-MDN生成的太赫兹双层SR超表面QWP八个结构参数(R1、r1、φ1、θ1、R2、r2、φ2、θ2)的一维边缘概率密度曲线。每条不同颜色的细线表示一个独立高斯分量,即不同QWP。

图8 (a) QWP 1和QWP 2在X和Y方向上的反射率。

(b) QWP 1和QWP 2在X和Y方向上的相位差。(c) 目标椭圆率1以及QWP 1和QWP 2的椭圆率。

图9 (a) QWP 3和QWP 4在X和Y方向上的反射率。

(b) QWP 3和QWP 4在X和Y方向上的相位差。(c) 目标椭圆率2以及QWP 3和QWP 4的椭圆率。

图10 (a) 1 THz处QWP 1顶层SR的等效电流。

(b) 1 THz处QWP 1中间层SR的等效电流。(c) 1 THz处QWP 1接地平面的等效电流。(d) 1.3 THz处QWP 3顶层SR的等效电流。(e) 1.3 THz处QWP 3中间层SR的等效电流。(f) 1.3 THz处QWP 3接地平面的等效电流。

图11 四个制备QWP样品的光学显微镜图像。

图12 用于测量的太赫兹时域光谱系统光路示意图。

图13 仿真结果与测量结果对比。

(a)、(e) QWP 1反射率、相位差和椭圆率的仿真结果与测量结果对比。(b)、(f) QWP 2反射率、相位差和椭圆率的仿真结果与测量结果对比。(c)、(g) QWP 3反射率、相位差和椭圆率的仿真结果与测量结果对比。(d)、(h) QWP 4反射率、相位差和椭圆率的仿真结果与测量结果对比。




参考文献


J. Zhang, J. Zhu, and Y. Gong, "Deep Learning-Assisted Inverse Design of Terahertz Bilayer Split-Ring Metasurface Wave Plates." Laser & Photonics Reviews, e71477 (2026).


https://doi.org/10.1002/lpor.71477

◀

免责声明

▶


本公众号专注于超表面领域的最新研究动态、学术成果和技术应用分享。所有发布的内容和图片,均已标明来源,且仅供个人学术学习和知识积累使用,不得用于商业目的。如您发现任何版权或相关问题,欢迎通过邮箱 metasurface@126.com 联系我们,我们将尽快处理并协调相关事宜。


    点击底部“阅读原文”可跳转原文链接

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198382