OL-Transformer：一种快速通用的光学多层薄膜结构代理模拟器

基于深度学习的方法近来已成为光学多层薄膜结构快速而准确的代理模拟器。然而，现有方法仅适用于具有不同材料排布的有限结构类型，阻碍了其面向多样且通用结构的应用。在此，我们提出 Opto-Layer（OL）Transformer 作为海量结构类型的通用代理模拟器。结合结构序列化技术，我们的模型可针对多达 $10^{25}$ 种不同的多层结构预测准确的反射与透射光谱，同时相比物理求解器仍实现六倍的仿真时间缩减。进一步研究揭示，这种通用学习能力源于我们的模型先学习物理嵌入，再利用自注意力机制捕捉各层间光-物质相互作用的隐藏关系。