偏振控制动态可切换全色超构表面的机器学习辅助设计

原创 MEMS 2022-07-22 00:00

精密双向电流传感放大器，提供精准测量，广泛应用于电流监测与保护 您在使用示波器时面临的最大挑战是什么？

据麦姆斯咨询报道，近日，山东大学刘林华教授团队在Optics Express期刊上发表了题为“Machine learning-assisted design of polarization-controlled dynamically switchable full-color metasurfaces”的最新论文，该论文的研究有助于消除仿真步骤，加速结构色（structural color）设计进程，探索更大的色彩空间，并有助于实际显示应用。

由入射可见光和周期性纳米结构之间的相互作用产生的结构色在彩色显示、信息加密和高效滤色器等领域引起了人们广泛的兴趣。由于具有高饱和度和高亮度的结构色在很大程度上取决于纳米结构的尺寸和排列，因此人们可以通过改变纳米结构的几何尺寸来设计它们。然而，大多数结构相关的颜色缺乏生成后的可调性，限制了其在多个领域的实际应用。此外，在整个可见光谱中自动调校结构色仍然是一个挑战。

一些研究试图利用相变材料、电致变色聚合物和可拉伸弹性基底实现超构表面的结构色可调性。Duan等人开发了一种基于VO2（一种相变材料）的多状态光学系统，并通过改变温度和使用不同掺杂剂进行调制实现动态光学显示。除了改变材料的化学性质，Tseng等人提出了通过机械拉伸PDMS弹性基底重建纳米结构排列来改变颜色。然而，这需要外部刺激，从而增加了实际操作的难度。

另一些研究的结果表明，在没有任何外部刺激的情况下，通过改变入射光的偏振角可以改变结构色。Kim等人介绍了一种有源超构表面，该超构表面使用不同的入射偏振角选择性地激发不同的等离子体纳米棒，以实现动态颜色切换。基于原色混合原理，Feng等人使用不同尺寸和方向的偏振相关等离子体纳米天线设计了三种不同的原色模块。每个原色模块以特定的偏振角为主，其他偏振角呈现的颜色是三原色的混合物。

目前，结构色的设计方案主要依赖于电磁仿真。光谱计算采用参数扫描和手动试错的方式进行，这很耗时，并且需要很高的计算能力，从而导致目标色的误差较大。彩色打印和图像显示等领域需要宽广的颜色范围。多个结构参数需要调整以显示数百万种不同的颜色，确保满足实际应用要求。然而，对于具有周期、形状和尺寸等混合设计参数的结构，使用传统电磁仿真技术难以在短时间内建立大型数据库。

因此，被广泛应用于人脸识别和图像处理的深度学习（deep learning），已成为解决大量计算问题的有力工具。在纳米光子学的各个方面，深度神经网络（deep neural network）在光谱预测、结构设计和结构色预测等领域取得了显著进展。Gao等人训练了一种双向深度神经网络，通过改变硅纳米结构的几何参数实现全色显示。Long等人建立了一种逆向神经网络来研究光子晶体几何参数与Zak相位之间的关系，并获得了所需的光子晶体结构。Sajedian等人采用深度强化学习（deep Q-learning）技术在每个步骤中优化硅纳米块的结构参数。他们发现了可以产生更纯的红色、绿色和蓝色的几何特性。

图1（a）混合金属-介质超构表面示意图。（b）在CIE 1931-XYZ色度图中由混合金属-介质超构表面产生的6160种颜色。

然而，上述用于实现全范围动态颜色调校的技术需要改变材料特性，这增加了成本和结构复杂性。在本论文的研究中，作者们提出了偏振控制的混合金属-介质超构表面，通过改变入射光的偏振角实现全色显示和动态颜色调校，而无需改变材料的结构和性能。他们训练了一种双向神经网络来预测混合超构表面的颜色，并逆向设计所需颜色的几何参数，这减少了人们对设计经验的依赖，降低了计算成本。根据人眼的颜色识别能力，本论文研究实现的颜色预测准确率为93.18%，逆向参数设计准确率为92.37%。综上，本论文研究提出了一种动态结构色调校和加速全色超构表面设计的简单方法，可以为滤色器的设计提供进一步的启示，并促进光子学研究。