AI 加碼，超光學(xué)進(jìn)入狂飆時(shí)代
加入技術(shù)交流群
關(guān)鍵詞：AI 超光學(xué) 超表面
在我們生活的世界之中，光扮演了核心的角色。也正因為光的重要性和獨特性，伽利略、牛頓、麥克斯韋、愛(ài)因斯坦等科學(xué)巨人都曾致力于光的研究，可以說(shuō)，光學(xué)研究已經(jīng)擁有悠久的歷史。然而隨著(zhù)技術(shù)的發(fā)展、人類(lèi)需求不斷提升，光學(xué)研究中的一些局限性也漸漸凸顯了出來(lái)。
傳統光學(xué)成像在硬件功能、成像性能方面接近物理極限，在眾多領(lǐng)域已無(wú)法滿(mǎn)足應用需求。為了迎接這一挑戰，近幾年來(lái)，一個(gè)新興多學(xué)科交叉領(lǐng)域「計算光學(xué)成像」應運而生，并于年初入選了阿里達摩院 2023 十大科技趨勢。
據專(zhuān)家介紹，相比傳統光學(xué)成像，計算光學(xué)成像是將數字化、信息化深度融合在光學(xué)設計里面，軟硬件一體化，通過(guò)計算為光學(xué)成像注入了新的「生命」，其研究?jì)热莞采w范圍廣，包括 FlatCAM、超光學(xué)技術(shù)等。對此，去年底彭博就曾發(fā)布一篇 Opinion 文章稱(chēng)，計算光學(xué)成像中的超光學(xué) (Meta Optics) 技術(shù)有望在今年引起廣泛關(guān)注，并在未來(lái)十年內產(chǎn)生變革。
那么，計算光學(xué)成像分支之一的超光學(xué)究竟是什么？其為何又能發(fā)展如此之快？深究原因，上文提到所謂的數字化、信息化融合的過(guò)程中自然少不了一個(gè)關(guān)鍵因素—— 人工智能（以下簡(jiǎn)稱(chēng) AI）。
接下來(lái)本文將圍繞論文《Artificial Intelligence in Meta-optics》，從 AI 與超光學(xué)的結合入手，詳細介紹相關(guān)領(lǐng)域的最新研究成果，以期對科研人員有所啟發(fā)。
超光學(xué)關(guān)鍵概念一覽
在理想的經(jīng)典光學(xué)中，光在兩種介質(zhì)中的傳播，與介質(zhì)中的光速和兩種介質(zhì)的光學(xué)特性有關(guān)，如光的折射和反射。超表面 (Meta-Material) 的出現，改變了這種光學(xué)行為。
具體來(lái)說(shuō)，超表面包含一個(gè)納米結構陣列，也被稱(chēng)為超原子，其中每一個(gè)都被視為二級點(diǎn)光源。當入射光線(xiàn)遇到這個(gè)界面時(shí)，納米結構會(huì )改變入射光線(xiàn)的光學(xué)特性并重新輻射出新的電磁波。通過(guò)有效控制超表面的相位分布，入射光的波面可以被重建，并具有獨特的屬性和新的功能。
加工超光學(xué)是連接理論設計和實(shí)際應用的直接方式，目前針對不同的目的，如亞波長(cháng)尺度、結構雕刻、大面積、高長(cháng)寬比、高產(chǎn)量等，加工技術(shù)也已獲得良好發(fā)展。
對此，研究人員介紹了光學(xué)超器件 (Meta-Device) 的加工技術(shù)，其中，最常用的加工方法是光刻、電子束光刻 (EBL)、聚焦離子束 (FIB) 光刻、納米壓印、激光直寫(xiě)和 3D 打印。通過(guò)這些先進(jìn)的加工方法，超器件得以進(jìn)一步應用。超表面加工方法示意圖
為滿(mǎn)足光學(xué)需求，現在已經(jīng)有一些新型及特殊光學(xué)功能的超器件。超器件的巨大優(yōu)勢在于其新型特性、緊湊的尺寸、更輕的重量、高效率、更好的性能、寬帶操作 (broadband operation)、更低的能耗、數據量的減少和 CMOS 的兼容性，可用于大規模生產(chǎn)。光學(xué)超器件在光束整形、異常偏轉和反射、偏振調控和分析等技術(shù)方面得到了很好的發(fā)展。
借力 AI 大步狂奔AI 與超光學(xué)的發(fā)展趨勢橫軸表示年份，縱軸表示每年的出版物數量
從上圖中可以看到，AI 和超光學(xué)兩個(gè)領(lǐng)域發(fā)展趨勢大致相同，都是從 2012 年左右進(jìn)入快速增長(cháng)時(shí)期。在本次研究中，研究人員具體分析了 AI 在超光學(xué)中的正問(wèn)題及逆問(wèn)題、基于超表面系統的數據分析以及智能可編程超器件 (meta-device) 等方面的應用。
代理建模 (Surrogate Modeling)
光學(xué)特性建模
AI 尤其是深度學(xué)習，為光學(xué)模擬提供了一個(gè)直接且高效的突破性捷徑，近年來(lái)，用 AI 進(jìn)行代理建模成績(jì)斐然。在代理模型中，ANNs 常被用作超原子的光學(xué)反應的近似預測器。并且，在特定設計任務(wù)中，用于代理模型的 ANN 是最優(yōu)解。
2019 年，麻省理工學(xué)院材料科學(xué)與工程系的博士后 Sensong An 與 Clayton Fowler 等提出了一個(gè)名為 Predicting NN 的深度神經(jīng)網(wǎng)絡(luò )，為全電介質(zhì)超原子的振幅和相位響應建模，范圍為 30-60 THz。
如下圖 a 所示，Predicting NN 的輸入是幾何參數，而輸出是真實(shí)或虛擬的投射系數。Sensong An 與 Clayton Fowler 等開(kāi)發(fā)了兩個(gè) DNN，用于分別預測真實(shí)及虛擬部分。要求的振幅和相位響應是利用投射系數進(jìn)一步計算的。這種間接操作是因為典型的超原子振幅和相位響應在共振頻率附近突然發(fā)生變化。用于超原子表征的代理模型概述
(a) 圓柱形超原子的振幅及相位預測(b) 自由曲面全絕緣超原子振幅及相位預測(c) alternate-material-shell 納米粒子的散射截面預測(d) 16 面多邊形超原子的衍射效率預測(e) 通過(guò) DNN 對自由曲面超原子進(jìn)行吸收光譜預測(f) 通過(guò) CNN 和 RNN 對自由曲面超原子進(jìn)行吸收光譜預測
由于尖銳非線(xiàn)性的硬回歸，ANNs 的預測性能在共振處會(huì )大大降低，因此，作者創(chuàng )新性地使用了散射系數的不同連續真實(shí)及虛擬部分作為預測目標。在毫秒級的速度下，圓柱形和「H」形超原子的預測準確率達到 99% 以上，比傳統模擬快 600 倍。
2020 年，Sensong An 與 Clayton Fowler 等提出了一種新方法，用 CNN 來(lái)表征同一工作波段中超原子的振幅和相位。不同的是，建模對象是具有不同材料特性的自由曲面結構 (freeform structure)，而非簡(jiǎn)易結構 (simple structure)，如上圖 b 所示。
設計的自由曲面包括 2D pattern image、晶格大小、結構的厚度和材料的折射率。CNN 的頭部被分為兩個(gè)輸入分支。一個(gè)處理 2D pattern image，另一個(gè)處理不同屬性的索引。通過(guò)下采樣和上采樣程序，這兩個(gè)分支被重新組合成匹配維度的特征圖。輸出仍然采用散射系數的真實(shí)和虛擬部分的格式。
與以前的工作相比，這種方法使用了更多的訓練數據，為自由曲面設計提供了更多效能。此外，在相同的硬件條件下，預測速度比傳統模擬快 9000 倍，這也大大超過(guò)了以前的工作。
性能評估
為了評估代理模型的有效性，其準確性常與解決麥克斯韋方程的傳統模擬工具進(jìn)行比較。通常來(lái)講，大多數代理模型在各種光學(xué)特性方面都表現出高保真度。除了合格的準確性，代理模型比傳統的模擬要快幾個(gè)數量級。代理模型的驗證
(a) 自由曲面結構的吸收光譜(b) 「H」形超原子的振幅和相位響應(c) TE 和 TM 模式下納米棒的前向和后向散射，以及內部電場(chǎng)分布圖（頂部）(d) 反射光譜和相應的 CD 光譜(e) 用實(shí)際加工設計的測量來(lái)驗證透射光譜(f) 數字模擬和基于深度學(xué)習的代理模型之間的計算時(shí)間比較
為了總結用 ANNs 進(jìn)行代理建模，下表列出了值得關(guān)注的信息，以便直接比較和理解。從質(zhì)子到電介質(zhì)超原子，表中所列的材料涵蓋了常見(jiàn)的金屬和電介質(zhì)。表中選定的參考文獻有不同的建模響應，證明目前的代理模型可以從超原子的結構幾何中學(xué)習到幾乎所有常見(jiàn)的光學(xué)特性。大多數代理模型可以實(shí)現 90%+ 的準確率
不過(guò)，作為一種近似的麥克斯韋方程求解器，代理模型也存在 3 個(gè)缺點(diǎn)：
- 代理模型的性能受限于訓練數據的構建，每個(gè)模型只能在特定條件（如透射率、反射率、偏振率等）、特定工作波長(cháng)下運行。
- 一些代理模型的性能在共振頻率下會(huì )有所下降。
- 生成訓練數據的過(guò)程是一項勞動(dòng)密集型的繁瑣任務(wù)。
盡管如此，基于 ANNs 的代理模型也要比傳統的模擬工具也要快很多個(gè)數量級，而且除了速度快之外，代理模型還有另一個(gè)優(yōu)點(diǎn)。在超光學(xué)的反求設計中，需要一個(gè)實(shí)時(shí)的模擬響應。與目前的商業(yè)軟件相比，基于 ANNs 的代理模型可以很容易地集成到反求設計方案中，并具有更多的設計自由度。
反求設計
基于梯度的神經(jīng)網(wǎng)絡(luò )
根據采用的模型類(lèi)型，深度學(xué)習輔助的反求設計可以分為兩部分：
1. 基于判別模型2. 基于生成模型
基于判別模型的反求設計方法可以進(jìn)一步劃分為兩類(lèi)，第一類(lèi)是把設計參數放在輸入位置，而作為輸出的目標響應，會(huì )通過(guò)反向傳播影響設計參數。這類(lèi)設計方案很簡(jiǎn)單，但作為一種迭代優(yōu)化方法很耗時(shí)。第二類(lèi)更直接，因此是主流方法，即給定期望值，NN 輸出預測值。
(a) S 參數的目標光學(xué)特性和吸收率(b) 建議的設計方案 workflow(c) 研究中模型的 3D 圖形，可用矩陣表示
基于 NN 的反求設計對光學(xué)知識的要求較低。ANNs 所提供的只是系統的近似解，與目標要求不完全相同。大多數方法在按需設計時(shí)表現出 70%+ 的準確率，速度相當快。傳統試錯模式的反求設計很耗時(shí)，而且不能保證解的準確性。盡管存在差異，但擬解總比無(wú)解要好。
無(wú)梯度進(jìn)化計算
進(jìn)化計算是 AI 的一個(gè)重要分支，是一個(gè)元啟發(fā)式算法族，包括基因演算法、進(jìn)化演算法、蟻群算法和粒子群算法。其模仿了生物進(jìn)化的過(guò)程，通過(guò)計算機程序的迭代過(guò)程來(lái)模擬種族繁殖過(guò)程。每一代都引入突變作為小的隨機變化，不合格的解決方案通過(guò)選擇被拋棄。最終，通過(guò)這種進(jìn)化獲得最優(yōu)解。進(jìn)化計算通常被認為是一個(gè)全局優(yōu)化算法的集合。
基因演算法 (GA，Genetic Algorithm) 是最常使用的進(jìn)化計算策略之一。此外，近年來(lái) GA 極大地促進(jìn)了超表面的反求設計，如超透鏡、太赫茲四分之一波片、可編程超材料、亞波長(cháng)晶格光學(xué)。
數據分析
AI 還展示了其在超光學(xué)中強大的數據分析能力，類(lèi)似應用包括對從超透鏡中捕捉到的圖像進(jìn)行計算機視覺(jué)任務(wù)。AI 更常被用來(lái)處理從超表面獲取不可讀的數據，如圖像分析、微波信號及紅外光譜信息等。
(a-c) 為化學(xué)成分分類(lèi)任務(wù)進(jìn)行數據分析(a) 超表面化學(xué)分類(lèi)器示意圖(b) 每種化學(xué)品的透射光譜(c) 前兩個(gè)主成分（頂部）和通過(guò) PCA 的前三個(gè)主成分的分類(lèi)結果可視化(d-g) 聲學(xué)成像的數據分析(d) 實(shí)驗配置示意圖(e) 含有亞波長(cháng)特征信息的高振幅波向量組件的波的傳播，沒(méi)有（左）和有（右）超透鏡(f) 從輻射源到后端重建和識別的數據流(g) 在沒(méi)有超透鏡（頂部）及有超透鏡的情況下（底部），遠場(chǎng)信息的重建和識別結果
智能可編程超器件
在 AI 的幫助下，基于可編程超表面的系統，就像一臺安裝了 CPU 的計算機。當一個(gè)可編程或可重構的超表面與 AI 結合時(shí)，它們之間的數據流會(huì )形成一個(gè)循環(huán)。AI 負責獲取和處理光學(xué)數據，并調控可編程超表面的重構。
這使得超表面可以從一個(gè)普通的光學(xué)衍射元件演變?yōu)橐粋€(gè)智能元件，理解輸入數據并自行給出實(shí)時(shí)響應。
(a-c) 智能成像器(b) 16 個(gè)輻射模式和機器學(xué)習產(chǎn)生的對應的模式(c) 兩個(gè)案例在不同測量次數（100、200、400 和 600）下的機器學(xué)習驅動(dòng)的成像結果(d) 智能成像儀和識別器(e) 一個(gè)智能斗篷 (cloak)
除以上討論的智能超器件外，一種由 AI 驅動(dòng)的可編程超表面還可以實(shí)現實(shí)時(shí)復雜波束成形，并形成三維感知。
超器件時(shí)代或將來(lái)臨
美國咨詢(xún)公司 Lux Research 關(guān)于新興光學(xué)和光子技術(shù)的報告顯示，超光學(xué)材料已經(jīng)做好初步商業(yè)部署，并且將在 2030 年占據價(jià)值數十億美元的市場(chǎng)。
以國際領(lǐng)先的超表面公司 Metalenz、NIL Technology 為例，其商業(yè)化進(jìn)展包括：Metalenz 將超光學(xué)技術(shù)與半導體制造工藝相結合，在意法半導體 12 英寸晶圓代工廠(chǎng)內實(shí)現批量生產(chǎn)，并將超透鏡應用于意法半導體 FlightSense 系列 ToF 測距傳感器 VL53L8；NIL Technology 已構建一個(gè)完整的超透鏡產(chǎn)業(yè)鏈，包括設計、原型制作、測試和表征以及制造能力，并實(shí)現了超透鏡的出貨。
當中值得關(guān)注是，就在今年，Metalen 宣布獲得新一輪的 1000 萬(wàn)美元風(fēng)險投資，其聯(lián)合創(chuàng )始人兼 CEO 羅伯特·德夫林 (Robert Devlin) 表示「我們能夠在提高系統級性能的前提下，用單個(gè)超光學(xué)器件替換當前模塊中多達 6 個(gè)傳統光學(xué)器件」。
可以窺見(jiàn)，以超透鏡為代表的超器件正從實(shí)驗室走向產(chǎn)業(yè)界，逐步成為光學(xué)前沿技術(shù)的熱點(diǎn)，并有望為光學(xué)產(chǎn)業(yè)帶來(lái)一場(chǎng)變革。而其中，AI 在超光學(xué)發(fā)展中起到了至關(guān)重要的作用。將 AI 應用于超光學(xué)，能夠解決復雜的光學(xué)設計，快速獲得問(wèn)題的最佳解決方案，同時(shí)又能夠滿(mǎn)足新功能的需求，因此，可以肯定，這兩者的結合必將進(jìn)一步有助于先進(jìn)光學(xué)芯片的研究和開(kāi)發(fā)，并推動(dòng)下一代光學(xué)設備和系統盡快實(shí)現。
參考鏈接：
[1]https://baijiahao.baidu.com/s?id=1755507538405155365&wfr=spider&for=pc
[2]https://zhuanlan.zhihu.com/p/540485936
論文地址：
https://pubs.acs.org/doi/10.1021/acs.chemrev.2c00012
*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。
