

关注我们,点亮星标,精彩内容尽在掌握!



南京邮电大学章海锋教授团队提出了一种新颖的混合深度学习框架,巧妙地将人工兔子优化算法(ARO)与串联神经网络(TNN)相结合,用于基于磁化梯度零介电常数(ENZ)砷化铟(InAs)层的多层膜的逆向设计。研究团队利用 ARO 算法高效地收集了噪声率仅为 3.2% 的高质量数据集,与传统随机采样相比,显著降低了数据采集成本。随后,构建的多任务串联神经网络在训练过程中收敛到极低的成本函数 0.086,有效地克服了传统神经网络面临的散射和非唯一映射问题,并提高了预测精度。通过利用 InAs 的磁光效应和 ENZ 引起的布儒斯特模式,逆向设计的结构在14 μm至19 μm的宽频范围内实现了显著的非互易热辐射(非互易性持续大于 0.637,峰值达到 0.723)。更引人注目的是,当外部磁场反转时,多层膜的吸收和发射光谱能够完全颠倒。这项工作为动态热管理、辐射冷却和红外伪装提供了一种数据高效且高度可扩展的解决方案,突显了将深度学习与非互易光子学相结合的强大潜力。
辐射热传递在热工程系统中起着至关重要的作用,它控制着被动冷却技术以及先进的热管理装置。由具有破坏时间反演对称性的材料所实现的非互易热辐射,提供了一种强大的解决方案,能够将吸收率和发射率解耦。近期的研究表明,诸如磁光(MO)材料这样的非互易材料具有非零的偏置对角分量的介电张量。这一特性使它们能够违背基尔霍夫定律,意味着方向性的光谱发射率可能与方向性的光谱吸收率不同。然而,以往的研究由于采用了MO 晶格共振或导模共振,这些装置受到窄带限制,从而降低了辐射冷却的效率。为了实现宽带非互易热辐射,可以利用支持贝雷曼模式的多层ENZ薄膜,这些薄膜在材料共振附近支持泄漏的 TM 极化电磁(EM)模式。
基于深度学习的电磁设备逆向设计常常会遭遇“一对一到多对一”的映射问题,即相同的光谱响应可能由不同的物理结构产生。尽管早期尝试对数据集进行划分的方法效果不佳,但TNN架构通过将逆向生成器与前向建模循环相结合,成功解决了这种模糊性问题。但瓶颈已经转移到了数据采集上。目前的TNN实现主要依赖随机采样,这就需要大量的数据集(通常超过50万个样本)来克服固有的噪声。这种粗暴的生成方式对于复杂的几何形状来说在计算上是不可持续的。因此,该领域迫切需要采用较小、更高保真度的数据集来实现稳健的逆向设计的策略,而不是依赖数据量。
在本研究中,我们通过将ARO与TNN相结合,开发了一种数据效率高的混合深度学习框架,用于逆向设计多层薄膜,使其同时实现宽带和磁性可调的非互易热辐射。本研究提出了该框架,以高数据效率解决非唯一映射问题。然后,通过梯度ENZ InAs 层,逆向设计的发射器在14~19 μm的波长范围内实现了强大的宽带非对称性,并且在磁场反转时具有动态可调性。本研究展示了用于可调红外管理,如热伪装、辐射冷却、和热管理的高效设计策略。

图1 磁化梯度ENZ InAs多层膜的优化和逆向设计示意图

图2 逆向设计的InAs/介电材料多层薄膜结构示意图

图3 磁场可调宽带非互易热辐射的总体设计原则
团队介绍

章海锋现任南京邮电大学电子与光学工程学院光电信息科学与工程系教授,系主任,硕士生导师,领导科研团队“不可能完成的Mission”(团队公众号同此名)。作为负责人,近年来主持国家及省部级项目8项。2011年至今,以第一作者或者通信作者在SCI/EI检索期刊上发表280余篇,第一作者发表的SCI/EI论文已经累计被他引6090余次,2022-2024年,连续三年入选由斯坦福大学John P. A. Ioannidis教授团队发布的全球前2%顶尖科学家榜单“终身科学影响力排行榜(1960-2022),(1960-2023)”与“2022年, 2023年,2024年度科学影响力排行榜”。
2020年-2023年发表的4篇论文分别被美国光学协会(OPTICA)评为2020年度和2021年度“Spotlight on Optics”论文;是美国物理联合会(AIP)、美国光学协会(OPTICA)、英国物理学会(IOP)、电气和电子工程师协会(IEEE)、Elsevier 综合类学术期刊的活跃作者。2020 年,出版专著《周期性等离子体介质结构的电磁特性及应用研究》,(章海锋,文永刁,哈尔滨工业大学出版社,)该书列入“十三五”国家重点图书出版规划项目《航天先进技术研究与应用系列》(国之重器出版工程),并入选2017年度国家出版基金资助项目《航天先进技术研究与应用系列》。并已经申请专利数十项,授权100余项。 在学术兼职方面,现任中国(南京)知识产权保护中心技术专家库专家,长期担任应用电磁学、光学、等离子体技术等领域重要国际SCI 期刊论文审稿人。
个人及团队的情况可以访问团队公众号“不可能完成的Mission”获悉。

眭钧阳,2002年出生,目前就读于南京邮电大学。主要的研究方向为非互易热辐射、深度学习、光子自旋霍尔效应和精密传感。目前在Applied Physics Letters,Nanophotonics、Optics Letters等期刊上发表一作论文十余篇。
文章信息
Inverse design epsilon-near-zero-based broadband nonreciprocal thermal emitter using hybrid deep learning framework
Junyang Sui, Haifeng Zhang
Appl. Phys. Lett. 128, 133902 (2026)
https://doi.org/10.1063/5.0323320

扫描二维码 查看原文
期刊介绍
Applied Physics Letters以简明扼要的最新报告为特色,介绍了应用物理学的重大新发现。APL强调关键数据和新的物理学见解的快速传播,及时发表新实验和理论论文,报告物理现象在科学,工程和现代技术的所有分支中的应用。

关于AIP出版社
美国物理联合会出版社(AIP 出版社)是美国物理联合会(AIP)旗下的非营利独资出版社。AIP 出版社的使命是在物理和相关科学领域开展学术出版活动,以支持AIP的慈善、科学和教育目标。我们也代表出版合作伙伴进行出版活动,以帮助其积极推进自身的使命。
访问主页:https://publishing.aip.org/
相关文章推荐
APL | 西安电子科技大学郝跃院士团队:氧化镓与铁电介质界面特性研究成果