物理與光電工程學院（理工學院）李寶軍/包燕軍教授在Nano Letters發表超構表面多維光場復用領域論文
暨南大學融媒體中心訊 近日，物理與光電工程學院（理工學院）納米光子學研究院包燕軍教授和李寶軍教授聯合新加坡國立大學仇成偉教授等，在超構表面多維光場復用領域取得重要研究進展，提出并驗證了一種基于深度神經網絡的高效梯度優化算法，在顯著提升計算效率和光學性能的同時，實現了逼近超構表面偏振與波長復用通道數的理論極限。該成果以“Efficient Gradient-Based Metasurface Optimization Toward the Limits of Wavelength-Polarization Multiplexing”為題發表在國際納米科技期刊Nano Letters。包燕軍教授、李寶軍教授以及新加坡國立大學仇成偉教授為論文共同通訊作者。
文章標題頁截圖
超構表面作為能夠精準調控光波前的人工微納結構，在成像、全息等領域展現出巨大的潛力。通過偏振和波長復用技術集成多種獨立功能是實現器件微型化、高性能化的關鍵，但現有方法難以同時達到偏振與波長復用的最大容量，且設計過程計算效率低下，制約了其在復雜場景中的應用。
針對這一問題，團隊提出了一種基于梯度下降的超構表面逆設計算法，通過引入深度神經網絡精確擬合納米結構幾何參數與其在不同波長下光學響應之間的復雜關系，打通了從結構參數到光學功能的梯度計算，使整個優化流程變得高效且可導。結合圖形處理器強大的并行計算能力，該算法能夠完成快速的批量梯度計算和參數尋優，極大地提升了設計效率。
基于該高效算法，研究團隊實現了偏振和波長復用通道數的理論極限，成功給出了3個偏振通道與5個波長通道（共15個）的獨立全息圖像復用。相較于傳統設計方法，該算法不但將設計時間縮短到數十分之一，而且得到了更高的復用通道數和更優的光學性能，特別適合需要處理大規模數據的復雜應用場景。
研究團隊進一步將其應用于光學圖像識別任務。利用單個超構表面，實現了創紀錄的9個獨立通道（3偏振×3波長）對總計36類圖像的分類識別，仿真準確率高達96%，實驗準確率達到了91.5%，相較于傳統的基于單通道或少數通道的超構表面識別方案而言，性能提升巨大，為設計高容量、多功能超構表面提供了強大且高效的工具，也為突破傳統光學元件的功能限制開辟了新途徑。
論文鏈接：https://pubs.acs.org/doi/full/10.1021/acs.nanolett.5c01292
責編：蘇倩怡