基于半监督学习深度生成模型的超材料概率表示与逆向设计

超材料的研究在利用精心设计的亚波长结构（即所谓元原子）以人工规定方式操控光方面取得了巨大成功。尽管现代数值方法允许精确计算复杂结构的光学响应，但由于物理结构与光学响应之间非直观且非唯一的关系，超材料的逆向设计仍是一项具有挑战性的任务。为更好地揭示这一隐式关系从而便利超材料设计，我们提出以概率生成方式表示超材料并建立逆向设计问题的模型。通过采用编码器-解码器配置，我们的深度生成模型将元原子设计与光学响应压缩至潜空间，其中相似设计与相似光学响应被自动聚在一起。因此，通过在潜空间中采样，随机潜变量充当代码，在解码过程中根据给定需求生成候选设计。借助超材料的有效潜表示，我们得以可解释地优雅建模复杂结构-性能关系，并解决确定性模型中难以处理的一对多映射问题。此外，为减轻数据收集中的数值计算负担，我们开发了半监督学习策略，使模型在训练时除标注数据外还能利用未标注数据，以端到端方式同时优化生成式逆向设计与确定性正向预测。在数据驱动基础上，所提模型可作为一种全面高效的工具，加速超材料乃至广义光子学研究领域中的设计、表征乃至新发现。