CoSP：基于对比预训练大语言模型的可重构多状态金属材料逆向设计
光学
2025-11-21 v1 人工智能
摘要
金属材料因其在亚波长尺度上操控光线的能力而备受关注，但其复杂精细的结构导致设计困难。因此，深度学习日益成为其设计过程的强大工具。可重构多状态金属材料（RMMs）具有可调参数，能够在外部刺激下切换其光学特性 between different states，从而具备诸多应用前景。然而，现有基于深度学习的逆向设计方法未能充分考虑多状态切换的可重构性。为此，我们提出 CoSP，一种基于对比预训练大语言模型（LLM）的智能逆向设计方法。通过对多状态光谱进行对比预训练，可获得能够理解光谱的光谱编码器，并随后与预训练的 LLM 交互。该方法使模型既保留语言能力，又能理解麦克斯韦方程，从而能够用自然语言描述具有目标光学特性的材料结构。我们的实验表明，CoSP 能够为任意多状态、多带宽的光学响应设计相应的薄膜金属材料结构，显示出在可靠应用中智能设计 RMMs 的巨大潜力。
引用
@article{arxiv.2511.16135,
title = {CoSP: Reconfigurable Multi-State Metamaterial Inverse Design via Contrastive Pretrained Large Language Model},
author = {Shujie Yang and Xuzhe Zhao and Yuqi Zhang and Yansong Tang and Kaichen Dong},
journal= {arXiv preprint arXiv:2511.16135},
year = {2025}
}
备注
5 pages, 6 figures