基于物理信息的深层神经网络设计用于应变负载的超表面
应用物理
2026-03-17 v1
摘要
本文提出一种双联合深度神经网络方法，用于逆向设计具备指定远场辐射特性的应变负载超表面。该方法将深度神经网络（DNN）与基于物理的微波网络正向求解器相结合。DNN将目标远场图案映射到超表面单元细胞上各处被动负载的分布。所预测的被动负载分布由正向求解器评估，以计算其辐射图案，并通过余弦相似度损失函数引导学习过程。正向求解器使得对超表面电磁响应的快速评估成为可能，显著降低了训练所需的计算成本。本方法应用于一种采用端口耦合单元细胞并搭载被动负载的超表面。我们展示了多个设计实例，说明所设计的束流和定向辐射图案具有准确的综合能力。进行全波电磁仿真以验证所设计束流超表面的准确性。
关键词
引用
@article{arxiv.2603.15430,
title = {Physics-Informed Deep Neural Network Design of Reactively Loaded Metasurfaces},
author = {Malik Almunif and John Le and Anthony Grbic},
journal= {arXiv preprint arXiv:2603.15430},
year = {2026}
}