AI优化的非线性超表面架构产生的宽带可调谐深紫外发射
光学
2025-06-13 v1 应用物理
摘要
超表面代表了非线性光学中的关键进展，利用高Q值谐振腔来增强谐波产生。多层超表面（MLMs）通过在纳米尺度上增强单个超原子内的光-物质相互作用，进一步放大了这一潜力。然而，最大化非线性效率需要通过优化大几何和材料参数的设计来实现极端的场约束，这超出了传统模拟的计算能力。为克服这一点，我们引入了NanoPhotoNet-NL，一种AI驱动的设计工具，采用混合深度神经网络（DNN），协同了卷积神经网络（CNN）和长短期记忆（LSTM）模型。该框架将非线性MLM设计速度提高了四个数量级，同时相对于物理模拟器保持了超过98.3%的预测精度。优化后的MLM实现了超过50的品质因数，通过参数扫描，能够在200纳米到260纳米的波长范围内实现宽带深紫外（DUV）三次谐波产生（THG）。此外，NanoPhotoNet-NL利用低损耗非线性相变材料，促进了在UVC波段具有20纳米光谱覆盖的动态可调谐DUV纳米光源。这项工作标志着非线性超表面工程的变革性飞跃，为非线性及量子光学纳米器件解锁了高性能、可重构的平台。
引用
@article{arxiv.2506.10442,
title = {Broadband Tunable Deep-UV Emission from AI-Optimized Nonlinear Metasurface Architectures},
author = {Omar A. M. Abdelraouf},
journal= {arXiv preprint arXiv:2506.10442},
year = {2025}
}