南京大学、浙江大学与美国东北大学研究人员合作，提出一种基于统计机器学习方法的微纳光子器件自动化高效设计框架，通过机器学习模型挖掘训练数据中设计结构与光学响应间的统计规律，并结合其他迭代优化算法，最终实现了超表面微纳光学器件的大规模、系统级寻优和设计。相关成果发表于《先进材料》。

研究团队设计了一种运用机器学习模型进行多功能微纳光学器件设计的端到端框架，并实验验证了工作在不同入射频率和偏振条件下最多8种功能的相对独立调控。该框架可以与梯度下降、GS算法等常规迭代算法结合，实现对超表面聚焦反射镜、全息显示等器件的高效设计和优化，充分发挥超表面平面光学器件功能多样、设计灵活的优势。

该研究有望进一步发展成微纳光学更通用的设计方法，加速相关光电子器件的实际应用。

信息来源：

https://onlinelibrary.wiley.com/doi/10.1002/adma.202110022?af=R

https://physics.nju.edu.cn/xwgg/xw/20220504/i221598.html?msclkid=91ce061acdd411ec84e172dbe232d2e9