从“数月”提速至“毫秒”，宾大团队用AI大模型极速设计纳米超表面
极速设计纳米超表面
（映维网Nweon 2026年01月08日）据悉，宾夕法尼亚州立大学研究团队设计出了一种新的、简化的超表面设计方法（超表面是一类仅通过其结构就能操控光和其他形式电磁辐射的工程材料）。团队表示，这种快速优化过程有助于制造先进的光学系统，如虚拟现实头显和全息成像仪等。
相关方法主要利用大语言模型来准确预测超表面将如何影响光。它绕过了需要大量领域知识和时间的传统超表面仿真过程，使得工程师能够快速设计纳米级材料，并仅通过向AI输入指令来预测它们将如何影响光。
研究人员指出，在纳米光子器件中，超表面比传统材料提供了更多的灵活性和能力：”在尝试操控光或其他类型的电磁波时，使用天然材料只能做到这一步。通过构成这些材料的亚波长单元结构，超表面可以在纳米级别操控光的行为方式，使我们能够将传统上非常笨重的光学系统小型化。“
尽管非常有用，但开发超表面具有挑战性。团队表示，尽管近年来人工智能以深度学习神经网络的形式被整合到开发过程中，但研究人员仍然需要通过耗时且知识密集的过程来模拟潜在设计，并为每个超表面构建定制的神经网络。
这个问题激发了他们将大语言模型整合到过程中：“当前基于神经网络的方法的主要局限在于，你必须尝试许多神经网络配置，才能找到一个能够准确预测超表面与光如何相互作用的网络。通过训练大语言模型，我们可以在几秒钟内准确预测超表面与光如何相互作用，而以前这需要数小时、数天甚至数月，且不需要专业的AI知识或无数次的试验。”
为了测试方法，团队将他们大语言模型生成的预测与计算机模拟的超表面进行了比较。大语言模型将预测当光照射到具有指定”控制点”的超表面时，光会如何反应，而控制点将设计变形为所需的形状。然后，团队训练了这些预测，并将其与一个包含超过45,000个随机生成的超表面设计数据集进行了比较。他们发现，方法提供了关于光如何与超表面相互作用的高度准确预测，同时有效消除了耗时的神经网络设计过程。
效率的提高使得研究人员能够专注于“任意形状”超表面单元。研究人员解释了与圆柱体或立方体等标准化形状相比，在超表面设计中使用高度专业化的形状可以显著影响性能和效率——但这些自由形式的设计有一个很大的缺点：“任意设计允许研究人员创建特定应用的超表面，其性能远超基于传统形状的设计。然而，这些设计无法得到有效的优化和测试，因为传统的仿真方法需要不切实际的长时间才能完成。通过整合大语言模型预测，我们可以以前所未有的速度看到超表面将如何影响光。”
新方法同时使得超表面工程变得非常易于操作。大语言模型非常擅长“逆向设计”，即从期望的结果出发，逆向工作以找到能够产生该结果的精确系统、材料、结构或因素组合。尽管之前超表面的逆向设计是可能的，但仿真过程意味着有时可能需要数周甚至数月才能完成。
展望未来，团队计划继续开发和优化这种新方法，主要目标是显著缩短基于超表面的设备的设计时间和复杂性，加速其开发并整合到医疗保健、国防、能源和消费电子等行业的商业纳米光子应用中。
他们表示：“我们相信这种方法可能会为行业工程师和研究人员开发纳米光子器件的方式树立新标准。有了这种新方法，不熟悉复杂超表面设计过程的研究人员可以向大语言模型解释他们的需求，并有效地生成设计。”
