[论文解读] Multifunctional Meta-Optic Systems: Inversely Designed with Artificial Intelligence

Dayu Zhu, Zhaocheng Liu+3 more|arXiv (Cornell University)|Jun 30, 2020

Neural Networks and Reservoir Computing参考文献 31被引用 4

一句话总结

本文提出了一种基于人工智能的逆向设计框架，用于多功能多层超表面光学系统，实现了对偏振态、波长和空间通道的独立调控。通过结合可微分物理与神经架构搜索，该方法实现了传统参数化或单层超表面设计无法实现的复杂功能，如偏振复用光束生成、全光学微分运算以及空间-偏振-波长复用全息成像。

ABSTRACT

Flat optics foresees a new era of ultra-compact optical devices, where metasurfaces serve as the foundation. Conventional designs of metasurfaces start with a certain structure as the prototype, followed by an extensive parametric sweep to accommodate the requirements of phase and amplitude of the emerging light. Regardless of how computation-consuming the process is, a predefined structure can hardly realize the independent control over the polarization, frequency, and spatial channels, which hinders the potential of metasurfaces to be multifunctional. Besides, achieving complicated and multiple functions calls for designing a meta-optic system with multiple cascading layers of metasurfaces, which introduces super exponential complexity. In this work we present an artificial intelligence framework for designing multilayer meta-optic systems with multifunctional capabilities. We demonstrate examples of a polarization-multiplexed dual-functional beam generator, a second order differentiator for all-optical computation, and a space-polarization-wavelength multiplexed hologram. These examples are barely achievable by single-layer metasurfaces and unattainable by traditional design processes.

研究动机与目标

• 克服传统参数化优化在超表面设计中难以独立控制偏振态、频率与空间模式的局限性。
• 解决多层超光学系统实现多功能运行时所面临的超指数级复杂性问题。
• 通过逆向设计实现先进光学功能，如双功能光束整形与全光学微分运算。
• 通过系统化的基于人工智能的设计流程，证明空间-偏振-波长复用全息成像的可行性。
• 建立可扩展的框架，用于设计超越单层或启发式优化超表面能力的多功能超光学系统。

提出的方法

• 采用可微分物理引擎计算多层超表面的电磁响应，实现基于梯度的优化。
• 集成神经架构搜索（NAS）技术，探索复杂的超原子几何结构与层叠配置，无需预设结构模板。
• 将逆向设计问题建模为优化任务，最小化目标响应与实际光学响应在多个自由度上的差异。
• 使用物理信息损失函数，同时强制实现期望的相位、振幅、偏振与光谱响应。
• 通过电磁求解器反向传播训练深度神经网络，以预测实现目标功能的最优超原子几何结构与层叠排列。
• 通过全波电磁仿真验证设计，确保在所有偏振态、波长与空间模式下的性能表现。

实验结果

研究问题

• RQ1 基于人工智能的逆向设计框架是否能够在多层超光学系统中实现对偏振态、波长与空间通道的独立控制？
• RQ2 可微分物理与神经架构搜索在多大程度上能够克服多层超光学系统设计的超指数级复杂性？
• RQ3 该框架是否能够实现多功能光学器件，如双功能光束发生器与全光学微分器？
• RQ4 AI设计的超光学系统在空间、偏振与波长复用全息成像中的表现如何？
• RQ5 在复杂光学功能中，AI驱动的逆向设计与传统参数化或启发式优化之间存在多大的性能差距？

主要发现

• 该AI框架成功设计出一种偏振复用的双功能光束发生器，可在正交偏振态下分别实现两个不同光束的波束导引。
• 系统通过二阶微分器实现了全光学微分运算，证明了基于超表面实现光学计算的可行性。
• 实现了空间-偏振-波长复用全息成像，成功在不同空间、偏振与光谱通道中编码了三幅独立图像。
• 逆向设计方法显著减少了对穷举式参数扫描的依赖，实现了向高性能超光学结构的快速收敛。
• 与传统方法相比，该框架在多功能系统中表现出更优的性能与更高的设计效率，尤其在需要同时控制多个光学自由度的应用中优势明显。
• 全波仿真结果证实，AI设计的超光学系统在所有指定通道与工况下均以高保真度满足目标光学响应。