基于深度学习的任意尺寸复杂非周期等离激元超表面建模策略

光学相互作用对复杂环境中纳米结构的光学响应有重要影响。在大型结构集合中考虑相互作用需要进行计算代价高昂的数值计算。尤其当无法利用周期性时，全场模拟可能变得极其昂贵。在此我们提出一种用于非周期等离激元纳米结构集合的数值描述方法。我们的方法基于修饰极化率（dressed polarizabilities），其传统上计算非常昂贵，我们利用深度卷积神经网络作为替代模型缓解了这一问题。我们证明该方法具有高精度，误差在百分之一量级。在相互作用主要为短程的情况下，例如平面超表面的面外照明，它可用于描述基本尺寸不受限、包含数千个无序等离激元纳米结构的非周期超表面。我们进一步表明该模型能够分辨谱学上的耦合效应。因此该方法对超表面领域极具价值。它在如大型非周期平面超结构均匀化或微米尺度精密波前设计等光学相互作用起关键作用的应用中提供了显著优势。