前沿|崔铁军院士：走进信息超表面与智能超表面 | Photonics Insights创刊号综述

Photonics Insights 2022年第1期综述文章：

Qian Ma, Che Liu, Qiang Xiao, Ze Gu, Xinxin Gao, Lianlin Li, Tie Jun Cui. Information metasurfaces and intelligent metasurfaces[J]. Photonics Insights, 2022, 1(1): R01

编者按

应Photonics Insights创刊主编邀请，东南大学崔铁军院士团队撰写了题为“信息超表面与智能超表面”的综述论文并发表于Photonics Insights 2022年第1期。

该综述系统总结了信息元表面的概念和使用人工智能技术设计元表面的最新进展，并重点探讨了如何通过信息元曲面和人工智能紧密结合最终生成智能元表面。南京大学祝世宁院士和王漱明研究员为该综述撰写了点评论文（点击查看）。

走在科技前沿的超表面

超表面和超材料是一种具有特殊周期结构设计的人工复合材料，因其对电磁波和光波具有强大的调控能力，近年来已逐步应用于新一代无线通信、光学透镜与成像、雷达与隐身等诸多领域。信息超表面诞生于数字编码和可编程超表面，是一种以数字方式进行设计的超材料结构。相较于以往侧重材料特性和功能实现的研究，信息超表面从信息学的角度进行探讨，通过数字化和离散化的超表面单元构造了一种完全数字化的超材料。

数字编码模式的散射场表达、卷积定理、信息超表面的信息熵等理论和应用体系已经逐步建立起来，并可用于其他扩展应用。与此同时，人工智能也迅速发展起来并被应用于多种领域，其中具有代表性的机器学习和深度学习技术可作为全新的设计手段和物理框架与超材料深度融合。为了更好地展示超材料和人工智能的发展及其二者相互融合的过程，相关研究的发展时间表，如图1所示。

图1 超材料、人工智能的发展及其结合产生的智能超材料

数字编码超表面：可编程的超材料

数字编码超表面使用数字编码“0”和“1”（具有相反的相位响应）代替介质参数，并通过不同的编码序列控制电磁场和电磁波。通过现场可编程门阵列（FPGA）调控集成于超表面的有源器件，数字编码的超表面便具备了可编程的能力，即：可编程超材料（图2）。

图2 数字编码超材料

(a) 1比特数字编码超材料；(b)具有“0º”和“180º”相位响应的超表面单元

这类材料开拓了时域控制的全新维度，带来了一系列基于空间-时间编码的相关应用。信息超表面在对电磁场及电磁波进行实时调控的同时，也能够对数字信息进行处理。诸多基于这一独特性能的应用、器件以及系统应运而生。

早期的数字编码和可编程超表面主要集中在空间编码上。空时编码数字超表面将空间编码和时域编码结合起来，可以对空间波束和频谱进行实时操作，它探索了控制频谱和增加信息容量的新方向，使其能够更灵活地从空间和频率维度设计电磁波面。许多基于时域编码和空时编码超表面的无线通信的相关研究已经展开，为新型无线通信系的发展开辟了方向（图3）。

图3 时空编码数字超表面

(a)概念说明；(b)-(c)用于谐波波束转向的空时编码矩阵示例

超表面及人工智能：AI解决方案

在超表面发展的同时，作为信息化和数字化终极方向的人工智能（AI）近年来也受到广泛关注。AI技术旨在通过让机器模仿人类行为和决策的过程来解决问题。人工神经网络已被证明能够处理各种智能任务，例如语音识别、图像识别、自动翻译、图像编辑、机器人控制等。由于其无与伦比的优点，超表面结构和功能设计中也集成有人工智能技术，这使得每个超表面单元可以通过像素化的金属结构实现任意的相位响应。

如何设计超表面一直以来都是学界重要的研究主题之一，这其中包括了超表面的单元设计和超表面整体的设计。完整的超表面由许多具有亚波长结构的单元组成，可以实现各种新颖的物理现象。超表面设计的基本问题是优化单元结构参数以实现所需的反射或透射特性能。

而超表面与AI技术之间的结合有助于超表面单元和超表面整体结构的自主设计。在设计超表面以实现特定功能之前，应首先设计其单元结构以满足所需要的电磁响应（图4）。

图4 可逆神经网络原理图

(a) 反演光谱响应与元原子结构之间关系的可逆神经网络示意图；(b) 具有任意图案的二维超表面单元逆向设计的GAN流程图；(c) 具有潜在空间的逆向设计GAN的示意图

由于超表面整体设计的问题规模通常比单元结构设计大得多，因此原子结构的智能设计比超表面整体的智能设计更受关注，其发展速度也更快。尽管如此，近来还是出现了各种针对超表面阵列的智能设计研究，研究结果表明利用人工智能算法进行超表面的设计比传统设计方法具有更高的准确性和效率。

智能超表面：增强感知能力

随着信息超表面与人工智能算法的联系愈加紧密，超表面的智能化程度也越来越高，智能超表面应运而生。为了进一步实现超表面自行决策的功能，其应具备相应的感知能力以收集基本信息并做出决策。

基于这一思想，东南大学崔铁军教授领衔的团队提出了具有自适应可重编程功能的超表面，该结构集成了多个传感器、微控制器单元（MCU）和FPGA，通过构建用于自动决策的闭环传感反馈系统，使得超表面在无人工干预的情况下能够自主执行不同功能（图5）。

图5 智能超表面示意图

(a)有自适应功能且无需人工干预的智能超表面；(b)智能超表面反馈系统

为了探索人工智能计算硬件的新架构，许多光学神经网络硬件相继问世，实现了更快的计算速度和更低的能耗。加州大学洛杉矶分校（UCLA）Aydogan Ozcan教授领导的团队提出了用于机器学习的全光学衍射深度神经网络（D2NNs）。他们利用3D打印技术制备了五层光学超材料，以此建立了多层神经网络。在所提出的网络中，光的前向传播与全连接神经网络的前向传播计算有本质上的相似性。

更重要的是，由于其无源结构，光速前向传播使得超高速网络计算能力和超低功耗成为可能。尽管使用3D和平面结构的全光衍射神经网络已被证明具有优异的性能，但在制造出来后，其功能是固定的，并且仍然需要在传统计算机上执行训练过程。

为了解决这一问题，崔铁军教授团队提出了一种利用多层信息超表面级联的可编程的衍射神经网络，称为PAIM。它可以直接接收自由空间中的电磁波，并通过调节每个单元的传输增益实现在电磁波空间中的直接计算（图6）。此外，该衍射体系结构保持了光速计算的特点，极大地拓展了其应用潜力。

图6 可编程的衍射深度神经网络平台

PAIM是一个可实时、可重复训练的人工智能，它由集成多个FPGA的可编程超表面阵列组成

信息超表面未来新发展

数字编码和可编程超表面不仅将电磁物理学与数字信息相结合，而且将编码的思想融入到电磁功能的设计和信息的表示中，从而形成了信息超表面这一新方向。与此同时，人工智能的广泛应用也促进了超表面智能设计的相关研究，其与信息超表面未来的发展息息相关。相信数字信息与电磁场的深度融合将重构传统的香农理论，而这也将成为未来信息超表面研究发展的重要方向。

作者简介

崔铁军，中国科学院院士，东南大学首席教授、博导，教育部“长江学者奖励计划”特聘教授，2003年获得国家杰出青年科学基金，IEEE Fellow，长期从事电磁超材料和计算电磁学的研究工作，是科睿唯安全球高被引学者。创建了信息超材料新体系，负责开发了自主可控的电磁专用仿真软件，取得了显著的经济效益与社会效益。研究成果入选2010年中国科学十大进展，作为第一完成人获2011年教育部自然科学一等奖、2014年国家自然科学二等奖、2016年军队科学技术进步一等奖、及2018年国家自然科学二等奖等。

马骞，东南大学至善博后，2021年博士毕业于东南大学信息科学与工程学院。主要研究兴趣：信息超材料，智能超表面以及结合人工智能的超材料应用。发表论文50余篇，谷歌学术引用2000余次，包括Nature Electronics、Nature Communications、Physical Review Letters、Light-Science & Applications等。

刘彻，东南大学至善博后，2022年博士毕业于东南大学信息科学与工程学院。主要研究兴趣：计算电磁学、信息超材料，以及人工智能与电磁学的交叉融合在天线仿真设计、逆散射成像、无线信道建模和自动驾驶车载雷达仿真等中的应用。发表论文十余篇，包括Nature Electronics、Nature Communications、Photonics Research等。

免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理，所有来稿文责自负，两江仅作分享平台。转载请注明出处，如原创内容转载需授权，请联系下方微信号。