近年來，超表面結(jié)構(gòu)的光學技術開始受到越來越多關注，超表面是一種二維超材料，它可以在亞波長范圍內(nèi)，靈活調(diào)控入射光的振幅、相位和偏振，具有強大的光場操控能力，并且可實現(xiàn)傳統(tǒng)光學不具備的功能。由于這種電磁波靈活調(diào)制的特性，超表面可以有多種用途，比如超材料完美吸收器（MPA）、隱形裝置、平面超透鏡和超表面全息顯示等等。

超表面技術在開發(fā)和改進光學、微波器件方面體現(xiàn)出很好的效果，也豐富了全息方案的設計和應用場景。比如制造薄如發(fā)絲的微型透鏡（Metalens），應用于攝像頭、醫(yī)療器械、車載傳感器/雷達、AR/VR、全息顯示等場景。不過，由于工藝復雜等因素，目前還不適合大規(guī)模生產(chǎn)。

為了改善上述情況，中國人民解放軍空軍工程大學的科研人員提出了一種新的全息超表面（CAHMs）設計方案，該方案名為“基于電場圖案的單片式全息超表面設計”，特點是通過卷積神經(jīng)網(wǎng)絡（CNN）實現(xiàn)殘差編碼和解碼，并用電場圖案直接設計全息超表面。在這項研究中，重點描述了生成全息超表面所使用的深度學習方案，其特點是制造工藝、設計結(jié)構(gòu)簡單，實用性強。

簡單來講，就是利用卷積神經(jīng)網(wǎng)絡這種機器學習技術，直接將電場分布和輸入圖像映射到全息超表面上，這個全息超表面上本身包含了所需的相位和幅值。另外，這種映射通過殘差編碼器和解碼器來實現(xiàn)，并使用預訓練網(wǎng)絡和遷移學習框架來提高訓練效果。

通常，超表面工藝基于周期性/準周期性人工原子排列，是一種二維平面結(jié)構(gòu)。超表面具有超材料的電磁控制性，因此在相位、振幅、偏振、傳播模式等方面具有靈活調(diào)節(jié)的優(yōu)勢。而通過調(diào)整超表面的幅值和相位信息，便可以快速實現(xiàn)全息成像效果。按照信息調(diào)制方式分類，超表面全息技術大致有三種：純相位超表面全息、純振幅超表面全息和復振幅超表面全息。在超表面設計中，最常見的方法是在微觀結(jié)構(gòu)層面設計，比如超表面正向和逆向設計，直接從結(jié)構(gòu)中推導出電磁響應，從電磁光譜中推導出幾何參數(shù)。

相比之下，復振幅全息超表面（CAHM）在調(diào)制相位和幅值上具有靈活性，可很好的操控波前傳播，實現(xiàn)優(yōu)秀的圖像重建質(zhì)量。不過，目前流行的CAHM設計方法基于惠更斯-菲涅爾理論，即計算出超表面的相位和幅值，然后利用指定的電磁響應來設計超表面材料，并使用超表面來填充目標全息圖分布。但由于元件耦合和誤差問題，衍射理論的理論結(jié)果和實際結(jié)果有出入，所以需要進一步數(shù)值模擬來驗證，這種計算通常比較復雜，耗時耗力，但通過結(jié)合機器學習技術，將有望降低設計的復雜性，加速計算過程。

因此科研人員提出了結(jié)合機器學習的新工藝，其原理是讓預訓練網(wǎng)絡首先通過衍射理論、參數(shù)掃描，來推算出單元結(jié)構(gòu)的參數(shù)信息，并根據(jù)這些信息來調(diào)控超表面的幅值和相位，然后輸入到遷移學習框架中，來映射模擬的電場分布和輸入圖像，實現(xiàn)全息圖像生成。

該方案使用的深度學習框架（基于PyTorch）由少量卷積層、殘差層和全連接層構(gòu)成，此外還采用了I形超表面單元結(jié)構(gòu)，初始化的超表面結(jié)構(gòu)單元共有5層，包括2層介質(zhì)基板、3層金屬貼片（銅）。深度學習框架通過改變單元結(jié)構(gòu)的開口、旋轉(zhuǎn)角度，來實現(xiàn)復制和相位控制。通過該模型生成的全息超表面結(jié)構(gòu)，可通過PCB工藝加工實現(xiàn)，好處是實用性強、成本低，具有廣泛的應用價值。

機器學習可有效加快超表面的設計效率，另外一方面就是從宏觀角度設計超表面，比微觀設計更有助于提高效率和精度。也就是說，通過分析局部電場的空間分布，來學習局部電場的內(nèi)在規(guī)律，從而重構(gòu)它和調(diào)制器的映射關系。

為了驗證該設計的效果，科研人員在數(shù)據(jù)集上進行了測試，結(jié)果顯示該設計的平均像素歸一化誤差約為3%。這意味著，利用該方法設計出的全息超表面，與目標圖像之間的誤差很小。此外，利用該方法制造的超表面原型的重建電場，與目標電場足夠接近，同樣驗證了設計的有效性。參考：oejournal，phys.org