基于模拟器的生成模型训练用于超表面逆向设计

超表面是亚波长结构的人工介质，能够以独特方式塑造和局域化电磁波。这些器件的逆向设计是高维空间中的非凸优化问题，使得全局优化成为主要挑战。我们提出了一种由生成神经网络训练赋能的、用于超表面的新型基于种群的全局优化算法。用于反向传播的损失函数依赖于生成的图案布局、其效率以及效率梯度，这些量通过伴随变量法利用正向与伴随电磁模拟计算。我们观察到，在优化过程中，网络生成的器件分布持续向高性能设计空间区域偏移。训练完成后，生成的最优器件效率可与标准拓扑优化设计的最优器件相媲美甚至超过之。我们提出的全局优化算法可普遍应用于光学、力学与电子学中其他基于梯度的优化问题。