本文首发自 HyperAI 超神经微信公众号~
内容一览：近年来，为了突破传统光学研讨的局限性，光学与物理学穿插范畴的一个新式技能超光学呈现，而且展现出巨大的商场前景。在这门技能高速开展的进程中，人工智能凭借本身强壮的才能，起到了重要的推进效果，那么二者究竟磕碰出了何种火花？本文将为各位读者呈现相关系列效果。
在我们日子的国际之中，光扮演了核心的角色。也正因为光的重要性和共同性，伽利略、牛顿、麦克斯韦、爱因斯坦等科学伟人都曾致力于光的研讨，能够说，光学研讨已经拥有悠长的前史。然而随着技能的开展、人类需求不断进步，光学研讨中的一些局限性也渐渐凸显了出来。
传统光学成像在硬件功用、成像功能方面接近物理极限，在众多范畴已无法满意使用需求。为了迎接这一应战，近几年来，一个新式多学科穿插范畴「核算光学成像」应运而生，并于年初当选了阿里达摩院 2023 十大科技趋势。
据专家介绍，比较传统光学成像，核算光学成像是将数字化、信息化深度融合在光学规划里面，软硬件一体化，经过核算为光学成像注入了新的「生命」，其研讨内容覆盖规模广，包含 FlatCAM、超光学技能等。对此，去年底彭博就曾发布一篇 Opinion 文章称，核算光学成像中的超光学 (Meta Optics) 技能有望在本年引起广泛重视，并在未来十年内发生变革。
那么，核算光学成像分支之一的超光学究竟是什么？其为何又能开展如此之快？深究原因，上文说到所谓的数字化、信息化融合的进程中天然少不了一个关键因素—— 人工智能（以下简称 AI）。
接下来本文将围绕论文《Artificial Intelligence in Meta-optics》，从 AI 与超光学的结合入手，详细介绍相关范畴的最新研讨效果，以期对科研人员有所启发。
超光学关键概念一览
在理想的经典光学中，光在两种介质中的传达，与介质中的光速和两种介质的光学特性有关，如光的折射和反射。超外表 (Meta-Material) 的呈现，改动了这种光学行为。
具体来说，超外表包含一个纳米结构阵列，也被称为超原子，其间每一个都被视为二级点光源。当入射光线遇到这个界面时，纳米结构会改动入射光线的光学特性并重新辐射出新的电磁波。经过有效操控超外表的相位分布，入射光的波面能够被重建，并具有共同的特点和新的功用。
加工超光学是连接理论规划和实践使用的直接办法，现在针对不同的目的，如亚波长尺度、结构雕琢、大面积、高长宽比、高产量等，加工技能也已取得良好开展。
对此，研讨人员介绍了光学超器材 (Meta-Device) 的加工技能，其间，最常用的加工办法是光刻、电子束光刻 (EBL)、聚集离子束 (FIB) 光刻、纳米压印、激光直写和 3D 打印。经过这些先进的加工办法，超器材得以进一步使用。
借力 AI 大步狂奔
AI 与超光学的开展趋势 横轴表明年份，纵轴表明每年的出版物数量
从上图中能够看到，AI 和超光学两个范畴开展趋势大致相同，都是从 2012 年左右进入快速增长时期。在本次研讨中，研讨人员具体剖析了 AI 在超光学中的正问题及逆问题、依据超外表体系的数据剖析以及智能可编程超器材 (meta-device) 等方面的使用。
署理建模 (Surrogate Modeling)
光学特性建模
AI 尤其是深度学习，为光学仿照供给了一个直接且高效的突破性捷径，近年来，用 AI 进行署理建模成绩斐然。在署理模型中，ANNs 常被用作超原子的光学反响的近似猜测器。而且，在特定规划使命中，用于署理模型的 ANN 是最优解。
2019 年，麻省理工学院资料科学与工程系的博士后 Sensong An 与 Clayton Fowler 等提出了一个名为 Predicting NN 的深度神经网络，为全电介质超原子的振幅和相位呼应建模，规模为 30-60 THz。
如下图 a 所示，Predicting NN 的输入是几许参数，而输出是实在或虚拟的投射系数。Sensong An 与 Clayton Fowler 等开发了两个 DNN，用于分别猜测实在及虚拟部分。要求的振幅和相位呼应是使用投射系数进一步核算的。这种间接操作是因为典型的超原子振幅和相位呼应在共振频率邻近忽然发生变化。
(b) 自在曲面全绝缘超原子振幅及相位猜测
(c) alternate-material-shell 纳米粒子的散射截面猜测
(d) 16 面多边形超原子的衍射功率猜测
(e) 经过 DNN 对自在曲面超原子进行吸收光谱猜测
(f) 经过 CNN 和 RNN 对自在曲面超原子进行吸收光谱猜测
由于尖利非线性的硬回归，ANNs 的猜测功能在共振处会大大降低，因而，作者立异性地使用了散射系数的不同接连实在及虚拟部分作为猜测方针。在毫秒级的速度下，圆柱形和「H」形超原子的猜测准确率达到 99% 以上，比传统仿照快 600 倍。
2020 年，Sensong An 与 Clayton Fowler 等提出了一种新办法，用 CNN 来表征同一作业波段中超原子的振幅和相位。不同的是，建模对象是具有不同资料特性的自在曲面结构 (freeform structure)，而非简易结构 (simple structure)，如上图 b 所示。
规划的自在曲面包含 2D pattern image、晶格巨细、结构的厚度和资料的折射率。CNN 的头部被分为两个输入分支。一个处理 2D pattern image，另一个处理不同特点的索引。经过下采样和上采样程序，这两个分支被重新组合成匹配维度的特征图。输出仍然选用散射系数的实在和虚拟部分的格式。
与曾经的作业比较，这种办法使用了更多的练习数据，为自在曲面规划供给了更多效能。此外，在相同的硬件条件下，猜测速度比传统仿照快 9000 倍，这也大大超过了曾经的作业。
功能评价
为了评价署理模型的有效性，其准确性常与处理麦克斯韦方程的传统仿照东西进行比较。通常来讲，大多数署理模型在各种光学特性方面都表现出高保真度。除了合格的准确性，署理模型比传统的仿照要快几个数量级。
(b) 「H」形超原子的振幅和相位呼应
(c) TE 和 TM 形式下纳米棒的前向和后向散射，以及内部电场分布图（顶部）
(d) 反射光谱和相应的 CD 光谱
(e) 用实践加工规划的测量来验证透射光谱
(f) 数字仿照和依据深度学习的署理模型之间的核算时刻比较
为了总结用 ANNs 进行署理建模，下表列出了值得重视的信息，以便直接比较和理解。从质子到电介质超原子，表中所列的资料涵盖了常见的金属和电介质。表中选定的参阅文献有不同的建模呼应，证明现在的署理模型能够从超原子的结构几许中学习到简直所有常见的光学特性。
不过，作为一种近似的麦克斯韦方程求解器，署理模型也存在 3 个缺点：
-
署理模型的功能受限于练习数据的构建，每个模型只能在特定条件（如透射率、反射率、偏振率等）、特定作业波长下运行。
-
一些署理模型的功能在共振频率下会有所下降。
-
生成练习数据的进程是一项劳动密集型的繁琐使命。
尽管如此，依据 ANNs 的署理模型也要比传统的仿照东西也要快许多个数量级，而且除了速度快之外，署理模型还有另一个长处。在超光学的反求规划中，需求一个实时的仿照呼应。与现在的商业软件比较，依据 ANNs 的署理模型能够很容易地集成到反求规划方案中，并具有更多的规划自在度。
反求规划
依据梯度的神经网络
依据选用的模型类型，深度学习辅佐的反求规划能够分为两部分：
-
依据判别模型
-
依据生成模型
依据判别模型的反求规划办法能够进一步划分为两类，第一类是把规划参数放在输入方位，而作为输出的方针呼应，会经过反向传达影响规划参数。这类规划方案很简单，但作为一种迭代优化办法很耗时。第二类更直接，因而是主流办法，即给定期望值，NN 输出猜测值。
(b) 主张的规划方案 workflow
(c) 研讨中模型的 3D 图形，可用矩阵表明
依据 NN 的反求规划对光学常识的要求较低。ANNs 所供给的只是体系的近似解，与方针要求不完全相同。大多数办法在按需规划时表现出 70%+ 的准确率，速度相当快。传统试错形式的反求规划很耗时，而且不能保证解的准确性。尽管存在差异，但拟解总比无解要好。
无梯度进化核算
进化核算是 AI 的一个重要分支，是一个元启发式算法族，包含基因演算法、进化演算法、蚁群算法和粒子群算法。其仿照了生物进化的进程，经过核算机程序的迭代进程来仿照种族繁衍进程。每一代都引进骤变作为小的随机变化，不合格的处理方案经过挑选被扔掉。终究，经过这种进化取得最优解。进化核算通常被认为是一个大局优化算法的集合。
基因演算法 (GA，Genetic Algorithm) 是最常使用的进化核算战略之一。此外，近年来 GA 极大地促进了超外表的反求规划，如超透镜、太赫兹四分之一波片、可编程超资料、亚波长晶格光学。
数据剖析
AI 还展示了其在超光学中强壮的数据剖析才能，类似使用包含对从超透镜中捕捉到的图画进行核算机视觉使命。AI 更常被用来处理从超外表获取不可读的数据，如图画剖析、微波信号及红外光谱信息等。
(a-c) 为化学成分分类使命进行数据剖析
(a) 超外表化学分类器示意图
(b) 每种化学品的透射光谱
(c) 前两个主成分（顶部）和经过 PCA 的前三个主成分的分类结果可视化
(d-g) 声学成像的数据剖析
(d) 试验配置示意图
(e) 含有亚波长特征信息的高振幅波向量组件的波的传达，没有（左）和有（右）超透镜
(f) 从辐射源到后端重建和辨认的数据流
(g) 在没有超透镜（顶部）及有超透镜的情况下（底部），远场信息的重建和辨认结果
智能可编程超器材
在 AI 的帮助下，依据可编程超外表的体系，就像一台安装了 CPU 的核算机。当一个可编程或可重构的超外表与 AI 结合时，它们之间的数据流会构成一个循环。AI 负责获取和处理光学数据，并调控可编程超外表的重构。
这使得超外表能够从一个一般的光学衍射元件演变为一个智能元件，理解输入数据并自行给出实时呼应。
(a-c) 智能成像器
(b) 16 个辐射形式和机器学习发生的对应的形式
(c) 两个事例在不同测量次数（100、200、400 和 600）下的机器学习驱动的成像结果
(d) 智能成像仪和辨认器
(e) 一个智能大氅 (cloak)
除以上评论的智能超器材外，一种由 AI 驱动的可编程超外表还能够完成实时杂乱波束成形，并构成三维感知。
超器材时代或将降临
美国咨询公司 Lux Research 关于新式光学和光子技能的报告显现，超光学资料已经做好开始商业布置，而且将在 2030 年占据价值数十亿美元的商场。
以国际抢先的超外表公司 Metalenz、NIL Technology 为例，其商业化进展包含：Metalenz 将超光学技能与半导体制造工艺相结合，在意法半导体 12 英寸晶圆代工厂内完成批量生产，并将超透镜使用于意法半导体 FlightSense 系列 ToF 测距传感器 VL53L8；NIL Technology 已构建一个完好的超透镜产业链，包含规划、原型制作、测试和表征以及制造才能，并完成了超透镜的出货。
傍边值得重视是，就在本年，Metalen 宣布取得新一轮的 1000 万美元风险投资，其联合创始人兼 CEO 罗伯特德夫林 (Robert Devlin) 表明「我们能够在进步体系级功能的前提下，用单个超光学器材替换当时模块中多达 6 个传统光学器材」。
能够窥见，以超透镜为代表的超器材正从试验室走向产业界，逐步成为光学前沿技能的热点，并有望为光学产业带来一场变革。而其间，AI 在超光学开展中起到了至关重要的效果。将 AI 使用于超光学，能够处理杂乱的光学规划，快速取得问题的最佳处理方案，同时又能够满意新功用的需求，因而，能够肯定，这两者的结合必将进一步有助于先进光学芯片的研讨和开发，并推进下一代光学设备和体系尽快完成。
参阅链接：
[1]baijiahao.baidu.com/s?id=175550…
[2]zhuanlan.zhihu.com/p/540485936
论文地址：
pubs.acs.org/doi/10.1021…
