电磁（EM）超表面是利用周期性或准周期性的宏观基本单元来模拟传统材料科学微观尺度上的原子或分子。这些宏观基本单元通过共振效应与外电场相互作用，表现出独特的EM特性，从而设计成斗篷、聚光器、错觉光学器件、特殊透镜、漫反射等各种新型功能器件。最近，一系列被称为编码、数字和可编程超表面的特殊电磁超表面由于其独特的处理电磁波的方法而获得了更多的关注。智能编码超表面是一种能同时对电磁波进行操纵和对数字信息进行智能关联的信息载体。其广泛的应用之一是开发先进的动态全息成像方案。目前，超表面的控制编码序列通常采用迭代方法设计，包括Gerchberg Saxton (GS)算法和随机优化算法，这给智能编码超表面在许多对效率和性能要求很高的实际场景中的部署带来了很大的障碍。

       近日，东南大学电磁空间研究所崔铁军院士团队提出了一种在无监督条件生成对抗网络(cGANs)环境下设计智能编码超表面全息图的高效非迭代算法，即物理驱动变分自编码器(VAE) cGAN (VAE-cGAN)。与传统cGAN对大量人工标记训练数据的苛刻要求截然不同，该团队提出的VAE-cGAN以物理驱动的方式运行，从而从根本上消除了传统cGAN所遇到的困难。具体来说，引入电场分布与超表面之间的物理运行机制，对所开发的VAE-cGAN的VAE解码模块进行建模。仿真和实验结果证明了VAE-cGAN的先进性、可靠性和高效性。研究人员期待着智能全息图可以通过在神经网络芯片上部署VAE-cGAN来开发，在通信、显微镜等方面找到更有价值的应用。相关研究工作发表在《Photonics Research》上。（丁雷）

       文章链接：CHE LIU et al, Intelligent coding metasurface holograms by physics-assisted unsupervised generative adversarial network, Photonics Research(2021). https://doi.org/10.1364/PRJ.416287.

消息来源：两江科技评论