-[超表面最新研究-第898期]-
韩国忠南国立大学/首尔国立大学团队在RPP发表深度学习加速逆向设计彩色路由超表面
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：
Metasurface color routers inverse-designed with a deep-learning accelerated genetic algorithm for high efficiency imaging
作者：
Hyoseok Park（忠南国立大学物理系）；Samuel Kim（首尔国立大学材料科学与工程系）；Duk-Yong Choi（澳大利亚国立大学物理研究学院量子科学与技术系）；通讯作者：Yeonsang Park（忠南国立大学物理系）；通讯作者：Myungjae Lee（首尔国立大学材料科学与工程系）；
发表时间：
2026年8月25日在线发表
发表期刊： Reports on Progress in Physics（JCR-Q1，IF=15.4）
二
论文重要图文
摘要：
面向图像传感的彩色滤光阵列通常会吸收非目标颜色光子，限制光利用率；超表面彩色路由器则希望把不同波长的光分别导向对应像素区域，从“过滤”变成“分流”。韩国忠南国立大学和首尔国立大学团队在 Reports on Progress in Physics 发表深度学习加速遗传算法逆向设计的高效率彩色路由超表面。该工作以单层 Si3N4 纳米柱阵列为平台，先用 FDTD 生成随机结构的近场数据训练 U-Net，再把该网络作为快速代理模型嵌入遗传算法，在大规模结构搜索中预测候选超表面的透射场分布，从而显著降低逐次全波仿真的计算成本。作者设计并制备了 16 × 16 单元的 metasurface color router，使红、绿、蓝光在光电二极管阵列平面分别汇聚到预设子像素区域；仿真、U-Net 预测和实验光场结果相互吻合，并进一步展示了基于 MCR 的颜色重建流程。这个工作把深度学习代理模型、遗传算法和色彩路由超表面结合起来，为高光利用率片上彩色成像和紧凑图像传感器提供了新的逆向设计路径。
重要图片：
图1 彩色滤光阵列和超表面彩色路由器在光电二极管阵列上的工作原理比较。
a，有机彩色滤光阵列（CFA）和光电二极管阵列示意图；CFA 只透过与滤光片颜色对应的光，并吸收其他颜色的光。b，超表面彩色路由器（MCR）和光电二极管阵列示意图；由亚波长纳米柱组成的 MCR 将红（R）、绿（G）、蓝（B）光导向与颜色对应的光电二极管。
图2 采用加速遗传算法优化超表面彩色路由器的过程。
a，由 16 × 16 个 600 nm 厚 Si3N4 纳米柱组成的超表面彩色路由器结构示意图。b，单个纳米柱在 450、550 和 650 nm 波长下的模拟电场分布（从左到右）；第四个面板叠加三种波长，显示不同颜色光的角度分离，并体现波长依赖的近场散射行为。c，U-Net 加速遗传算法优化过程示意图。d，U-Net 训练过程示意图，训练数据集由随机结构及其通过 FDTD 计算得到的对应电场组成。e，U-Net 预测电场与 FDTD 计算电场之间的均方误差随训练轮次的变化，显示快速收敛和有效模型学习。f，最佳适应度随已评估结构数量（种群大小 N × 代数）的变化，种群大小从 N = 10 到 100000；虚线竖线标出 10^4 次评估，即传统 FDTD 驱动遗传算法的实际可达范围，而优化适应度约 1296 只在接近 10^7 次评估时达到，这一区间可通过 U-Net 代理模型实现。
图3 传统遗传算法和 U-Net 加速遗传算法逆向设计得到的 MCR 比较。
a，传统遗传算法优化时适应度随代数变化的曲线（左）以及最终 MCR 结构示意图（右）。b，U-Net 加速遗传算法优化时适应度随代数变化的曲线（左）以及最终 MCR 结构示意图（右）。c，传统遗传算法优化的 MCR 在红、绿、蓝（RGB）彩色像素处获得的光谱。d，U-Net 加速遗传算法优化的 MCR 在 RGB 彩色像素处获得的光谱。e，450、550 和 650 nm 波长下，传统遗传算法（上）和 U-Net 加速遗传算法（中、下）设计的 MCR 结构的电场强度（|E|²）分布图比较；顶部图由图 3a 结构的 3D-FDTD 模拟得到，中间图由训练好的 U-Net 对图 3b 结构预测得到，底部图在相同条件下由 3D-FDTD 模拟得到，每张图中的强度分别归一化。
图4 超表面彩色路由器的仿真和实验结果。
a，优化后 MCR 结构的二值构型（左），紫色和黄色分别表示有和没有 Si3N4 纳米柱的区域；制备得到的 MCR 扫描电子显微镜图像（右）。b，在白光照明下制备 MCR 的光学显微镜图像，并叠加 Bayer 图案网格；标记的像素区域（R、G、B）表示红、绿、蓝光路由的目标区域。c，在 MCR 下方 2.5 µm 处采集的六个波长（400-650 nm，间隔 50 nm）电场强度（|E|²）分布，其中上排为模拟结果，中排为施加点扩散函数后的结果，下排为实验测量结果；所用点扩散函数对应收集通过 100× 物镜（NA 0.8）路由光的成像系统，并用于与实验直接比较，白色虚线表示各面板中的 Bayer 图案网格对齐。d，MCR 的光谱响应；虚线表示 RGB 输出区域的模拟透射强度随波长的变化，带误差棒的数据点实线表示用高光谱成像装置测得的对应强度。
图5 MCR 和 CFA 重建颜色的比较。
a，使用 MCR（上）和 CFA（下）进行去马赛克彩色图像的流程。b，在 MCR（左）和 CFA（右）情况下，通过伪逆矩阵重建得到的彩色图像。
参考文献
H. Park, S. Kim, D.-Y. Choi, Y. Park, and M. Lee, "Metasurface color routers inverse-designed with a deep-learning accelerated genetic algorithm for high efficiency imaging," Reports on Progress in Physics (2026).
https://doi.org/10.1088/1361-6633/ae9e8c
◀
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，均已注明来源，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
