利用深度学习实现的超材料完美吸收体

       超材料是一类由于其新颖的电磁（EM）特性而吸引了越来越多的科学兴趣人工结构。这些特性通常优于天然材料，包括完美吸收、负折射率、不对称光传输、逆多普勒效应和电磁波隐蔽。在这些前所未有的特性和相关应用中，研究者在微波区域进行实验证明的超材料完美吸收体 (MPA) 在很宽的频率范围内（从太赫兹到可见光频率）得到了广泛的研究，在过去十年中。MPA凭借其紧凑的尺寸、高吸收率和可调波长的优势，在热发射器、光电检测和传感器等应用中发挥着重要作用。传统的光子吸收器其性能通常取决于其固有特性，包括材料的化学成分和晶体结构，MPA 提供了一种通过其人工周期结构来调制和控制光传播的有效方法。然而，这些设计中的大多数在特定波长范围内仅表现出一个共振吸收峰。这些简单结构的形态自由度较低，因此，它们缺乏足够数量的参数来调整其吸收系数和工作波长范围。

       近日，来自南京理工大学的Baifu Zhang研究小组提出了具有多边形单元的新型 MPA 结构，研究者提出的 MPA 利用可调谐的形状参数，从而在超构材料单元建模方面实现更高的自由度，以单层结构实现双波段完美吸收，这通过三维的有限差分时域(FDTD)模拟。研究者使用神经网络算法（NNA）建立了一个模型，将MPA的几何形状与吸收光谱相关联，以预测给定MPA结构的吸收光谱，反之亦然。此外还改进了NNA以获得理想的目标模型精度。结果显示模型准确率提高了38%，训练集和验证集的最终均方误差 (MSE) 分别降低到0.0008和0.0017。研究者提出的由NNA建模和训练的MPA结构在设计灵活高效和完美吸收等方面显示出新的特性，并且可以在传感器、热量计和光伏领域中找到应用。相关研究发表在杂志《Optics Express》上。（刘乐）

      文章链接：https://doi.org/10.1364/OE.427593