.png){kind=icon}
返回
Current-diffusion model for metasurface structure discoveries with spatial-frequency dynamics
.png){kind=icon}
PRE
AI
DOI：10.1038/s42256-025-01162-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在AI驱动的超材料发现中，设计超表面需要外推至未探索的性能区域以发现新结构。本文介绍了MetaAI，一种具备物理感知的电流扩散框架，该框架协同空间拓扑和频域响应以发现非直观的超表面架构。与受限于预定义规格的传统逆向设计不同，MetaAI通过生成连接电磁性能与超表面结构的电流分布，作为性能合成器运行。这支持具有不同拓扑的分布内和分布外目标。所提出框架的核心创新在于其双域扩散模块，该模块直接关联超原子电流机制与电磁行为，从而实现发现具有宽17.2%工作带宽的结构。我们在单层、多层及动态可调超表面上验证了MetaAI，展示了在全波仿真和实验原型中的分布外泛化能力。由AI驱动的超表面设计面临挑战，例如外推至未探索性能区域。MetaAI作为一种具备物理感知的电流扩散框架，被引入以推动超材料发现从插值向外推发展。
Keyword:
MetaAI
metasurface design
current-diffusion framework
electromagnetic performance
out-of-distribution generalization
期刊
IF:
23.9
论文数:
1.3K
被引数:
1.5W
机构
引用论文
Light Propagation with Phase Discontinuities: Generalized Laws of Reflection and Refraction具有相位不连续性的光传播: 反射和折射的广义定律.png)
Science
OAAI
ScienceIF0
OAAI分享收藏A Deep Learning Approach for Objective-Driven All-Dielectric Metasurface Design一种用于目标驱动的全电介质超表面设计的深度学习方法ACS PHOTONICS
ACS PHOTONICSIF6.7
PREAI
分享收藏Pushing the Limits of Functionality-Multiplexing Capability in Metasurface Design Based on Statistical Machine Learning在基于统计机器学习的元表面设计中突破功能复用能力的极限ADVANCED MATERIALS
OAAI
ADVANCED MATERIALSIF26.8
OAAI分享收藏Compounding Meta-Atoms into Metamolecules with Hybrid Artificial Intelligence TechniquesADVANCED MATERIALSOAAI
ADVANCED MATERIALSIF26.8
OAAI分享收藏Learning the Physics of All-Dielectric Metamaterials with Deep Lorentz Neural Networks用深洛伦兹神经网络学习全介电超材料的物理
PREAI
分享收藏
查看更多内容