超透镜是基于超表面对光场调控的成像器件，由于其具有体积小型化、工艺流程化的优势，在器件轻量化、便携性方面具有很好的应用前景。针对当前市场对透镜的体积需求，使用时域有限差分法模拟了一种新型结构的超透镜，它是基于光子晶体的平板超透镜，尺寸为长2 μm，宽1 μm，工作波长在717 nm可见光波段。该平板超透镜以TiO₂波导作为衬底，由Au和GaP两组周期相同的光子晶体呈相切的结构共同蚀刻在TiO₂波导上，模拟研究透镜成像效果。此外通过引入一系列不同形状的缺陷，研究其对平板透镜成像结果的影响，结果表明，当缺陷结构为矩形尺寸：Lx = 0.5 μm，Ly = 0.8 μm时，该平板超透镜呈现出最好的成像效果，达到了0.556 λ数值的超分辨，极大地提高了成像质量。未来该平板超透镜在可便携的成像设备，AR，VR以及小型医疗设备等各个领域具有极大的发展潜力。

本文研究了纳米氧化铈（CeO₂）掺杂的双单体丙烯酸酯光致聚合物（TMPTA/EP828）材料的全息存储性能。通过引入纳米CeO₂以及优化配方比例来提升材料的全息性能，分析了CeO₂掺杂浓度及预聚合温度对衍射效率的影响。实验结果显示，厚度为100 μm的透射光栅样品在衍射效率（~95%）、光谱透过率（96.1%）、皱缩率（0.504%）、带宽和角度选择性等方面均表现出优秀性能。CeO₂的引入可有效提高TMPTA/EP828系统的交联网络结构和记录介质之间的兼容性，促进聚合反应，抑制体积皱缩，减小复用角度间隔，从而提升全息存储的角度复用性能和材料的稳定性。进一步经过光固化和老化实验证明，优化后的光致聚合物配方具有抗老化和耐高温性能。同时，材料制备工艺流程简便、周期短、易保存，可记录多路复用全息图像，在高密度数据存储等领域具有较广泛的应用前景。

Machine learning can effectively accelerate the runtime of a computer-generated hologram. However, the angular spectrum method and single fast Fresnel transform-based machine learning acceleration algorithms are still limited in the field-of-view angle of projection. In this paper, we propose an efficient method for the fast generation of large field-of-view holograms combining stochastic gradient descent (SGD), neural networks, and double-sampling Fresnel diffraction (DSFD). Compared with the traditional Gerchberg–Saxton (GS) algorithm, the DSFD-SGD algorithm has better reconstruction quality. Our neural network can be automatically trained in an unsupervised manner with a training set of target images without labels, and its combination with the DSFD can improve the optimization speed significantly. The proposed DSFD-Net method can generate 2000-resolution holograms in 0.05 s. The feasibility of the proposed method is demonstrated with simulations and experiments.