第 41 卷 第 8 期/2021 年 4 月/光学学报 特邀综述

人工智能超材料
刘彻1,2,马骞1,2,李廉林3,崔铁军1,2*
1
东南大学电磁空间科学与技术研究院,江苏 南京 210096;
2
东南大学毫米波国家重点实验室,江苏 南京 210096;
3
北京大学先进光通信系统与网络国家重点实验室,北京 100871

摘要 人工智能的发展已经给人类社会的发展带来了极大变革,各种基于人工 智 能 的 新 应 用 层 出 不 穷。 电 磁 和 光
学超材料对电磁波有强大的调控能力,且具有灵活的设计特性,尤其是可编程超 材 料 的 实 时 数 字 化 调 控 能 力,有 利
于基于人工智能技术的电磁超材料的设计和智能化应用。对超材料的智能化设 计、智 能 化 结 构 和 智 能 化 系 统 进 行
了阐述,对于人工智能技术与电磁和光学超材料的结合,总结介绍了结构优化、架 构 设 计 和 系 统 应 用 的 主 要 进 展 和
成果,并展望了智能超材料的未来发展方向。
关键词 光学仪器;人工智能;电磁超材料;光学超材料;信息超材料
中图分类号 O441.
4 文献标志码 A i:10.
do 3788/AOS202141.
0823004

Ar
tif
ici
alInt
ell
igence Me
tama
ter
ial
s
L
iuChe MaQi
an L
iLi
anl
in Cu
iTi
ejun
12 12 3 1 2*

Ins
titut
eofEl
ect
romagne
ticSpac
e Southeas
tUni
ver
sit
y Nanj
ing J
i su 210096 Ch
ang ina
1

Sta
teKeyLabora
toryo
f Mi
llime
ter Wav
e Southeas
tUni
ver
sit
y Nanj
ing J
i su 210096 Ch
ang ina
2

Sta
teKeyLabora
toryo
fAdvanc
edOpt
ica
lCommuni
cat
ionSys
temsandNe
tworks Pek
ingUni
ver
sit
3
y
Be
ijing100871 Ch
ina

Ab
str
act Thede
vel
opmen
tofa
rti
fic
iali
nte
ll
igenc
e AI ha
sbr
ough
tgr
eatr
evo
lut
ionst
othede
vel
opmen
tofhuman
s
oci
ety andnewapp
lic
ati
onsba
sedon AIhavebe
enc
ont
inuous
lyeme
rgi
ng Owi
ngt
othepowe
rfu
lcapab
ili
tyi
n
contr
oll
ingele
ctr
omagnet
ic EM wavesandthefl
exi
bledes
ignso
fEM andop t
ica
l met
amater
ials e
speci
all
ythe
r
e a
l-t
imed i
git
alcon
tro
labil
it
ieso
fpr
ogrammabl
e met
amate
rial
sthe AIt
echno
logi
escoulde
asilybebroughtin
to
t
he de
sign and i
nte
ll
igen
t app
lic
ati
ons o
f EM me
tama
ter
ial
s As f
ort he AI techno
logy c
omb i
ned wi
th
e
lec
tromagne
ticandop
tic
al me
tama
ter
ial
s t
hispape
rre
viewst
he ma
inres
earch p
rog
ressesandachi
evemen
tsof
s
truc
tur
alop
timi
zat
ion a
rch
ite
ctu
ralde
sign andsy
stem app
lic
ati
onsf
rom t
het
hre
easpe
ctso
fin
tel
ligen
tde
sign
neu
romo
rph
ica
rch
ite
ctu
re and sma
rt sy
stem I
n add
iti
on t
he f
utu
re de
vel
opmen
tdi
rec
tion o
fin
tel
ligen
t
me
tama
ter
ial
sisp
rospe
cted
Key wo
rd s op
tic
al devi
ces a
rti
fic
iali
nte
ll
igenc
e e
lec
tromagne
tic me
tama
ter
ial
s op
tic
al me
tama
ter
ial
s
i
nfo
rmation me
tamater
ial
s
s 230 5440 130 3130 260 2110
OCIScode

到了越来越多的关注和认可。人工智能本质上是一
1 引 言
门让机器通过学习从而模拟人的决策过程和行为的
[
1]
随着 Al
phaGo 围棋人工 智 能 系 统 于 2016 年 学科,其技术实现从算法角度依赖于机器学习算法。
打败了韩国围棋九 段 选 手 李 世 石,人 工 智 能 技 术 得 其中深度学习 [2]作 为 增 长 最 快 的 机 器 学 习 方 法,在

收稿日期:2020
-09
-16;修回日期:2020
-10
-09;录用日期:2020
-10
-12
2017YFA0700201,2017YFA0700202,2017YFA0700203)
基金项目:国家重点研发计划(
l:tcu
i@s
eu.
edu.
cn
*
E
-ma
i j

0823004
-1
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

计算机中使用多层 神 经 网 络 结 构,并 通 过 抽 象 的 特 已固定,这 无 疑 限 制 了 超 材 料 和 人 工 智 能 的 结 合。

[
57]
征来表征各种数据,因 此 这 种 类 脑 结 构 使 得 其 尤 其 2014 年,
Cui等 提 出 了 编 码 超 材 料、数 字 超 材 料
适合用于处理人工 智 能 的 各 种 任 务,并 已 具 有 可 以 和可编程超材料的 概 念,将 超 材 料 基 本 单 元 的 相 位
媲美甚至超过人类专家的性能。深度学习在人工智 响应 编 码 为 数 字 0 和 1,每 个 单 元 的 编 码 状 态 可 以
能领域已经取得的主要成果包括语音识别 [
3-
、图像
5]
通过现场可 编 程 门 阵 列 (
FPGA)进 行 实 时 切 换,由
识别 [
6-8]
、自 动 翻 译 [
9-
、图 像 视 频 编 辑
11] [
1215]
-
和机器 此实现了超材料设 计 从 模 拟 域 到 数 字 域 的 转 移,并
自学习 [
1620]
-
等。 进一步扩展出信息超材料的概念 [58-61]。这种数字化
近年 来,电 磁 超 材 料 因 其 独 特 的 电 磁 波 调 控 特 表征超材料的方法已经被用于灵活调控电磁波的幅
性而备受关注。电磁超材料基于周期或准周期排列 度分布 [62-64]、极 化 [65-67]和 轨 道 角 动 量 [68-70]等,并 实
的宏观基本单元,可 模 拟 传 统 材 料 学 中 微 观 尺 度 的 现了很多传统超材 料 难 以 实 现 的 系 统 应 用,例 如 时
原子或者分子。这些宏观基本单元通过谐振系统与 空编码数字系统 [71]、新型无线通信 系 统 [72-75]以 及 智
外加电磁场相互作 用,因 此 电 磁 超 材 料 表 现 出 独 特 能成像系统 [76-77]等。这种信息超材料将人工智能引
的宏 观 电 磁 特 性,例 如 负 折 射 率 [21-24]、高 度 各 向 异 入超材料的数字化设 计 中,且 FPGA 有 利 于 电 磁 波
性 [
25-
、基 于 零 折 射 率 的 高 定 向 性 发 射 和 隧 穿 效
27]
的数字化智能表征 和 处 理,因 此 信 息 超 材 料 可 以 为
[
2831]
- [
3239]
-
应 及对 电 磁 波 的 极 高 调 控 能 力 等。 基 于 超材料的智能化提供非常理想的平台。
电磁超材料已实现 了 很 多 新 颖 的 功 能 器 件,如 隐 形 本文对超材料和人工智能的结合进行了系统性
斗篷 [
4047]
-
、电磁波聚束器 [
、光幻 觉 器 件
48] [
4950]
-
、奇 异 的综述,从超材料的智能化设计、超材料的智能化结
[
5152]
- [
53]
透镜 和漫散射器 等。 构(神经拟态结构)和超材料的智能化系统三个方面
随着 通 讯 技 术 的 不 断 发 展,日 常 所 需 处 理 的 各 进行阐述,介绍了人 工 智 能 技 术 给 超 材 料 领 域 带 来
种信息日益增多,人 们 越 来 越 意 识 到 人 工 智 能 系 统 的重要改变。本文内容主要涉及信息超材料相关的
的重要性。在通信 系 统 中,大 量 信 息 通 过 空 间 中 的 工作,同时也会涉及部分模拟超材料和光学超材料,
[
5456]
-
电磁波进行传播,第 五 代 移 动 通 信 技 术 的日益 给“人工智能超材料”提供了一个较为全面的阐释。
成熟给信息处理的智能化提出了更高要求。超材料
对电磁波具有极其 灵 活 的 调 控 特 性,在 实 现 电 磁 信
2 超材料的智能化设计
息处理的智能化方面被人们寄予了厚望。但是早期 2.
1 超材料的通用化机器学习设计
的超材料设计主要 基 于 等 效 媒 质 理 论,其 核 心 是 把 编码 超 材 料 具 有 数 字 化 的 表 示 方 式,既 可 以 以
要实现的物理现象(或功能)和所需要的媒质参数联 数字化的方式设计 编 码 单 元,又 可 以 以 数 字 化 的 方
系起来以构建超材 料 的 等 效 媒 质,即 在 材 料 属 性 的 式优化编码单元阵列的排布方式。图 1 展示了一种
模拟域进行设计,超 材 料 制 作 完 成 后 其 电 磁 特 性 就 具 有轴对称性和中心对称性的编码单元的结 构 ,其

图 1 编码单元的几何结构 [78]。(
a)正视图;(
b)侧切面图
F
ig 1 Ge
ome
tri
cst
ruc
tur
eofc
odi
ngun
itc
ell a Topv
iew b c
ros
s-s
ect
iona
lvi
ew
78

0823004
-2
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

由许多正方形金属子块组成,并且这些子块的不同组
合将给反射波附加不同的相位补偿,从而在宏观上表
现出特定的反射相位。图 1(
a)中的深色小正方形块
表示金属,用数字 “1”表示;浅色小块表示介质(没有
金属的部分) 用 0”表示,这样一个超材料单元就被
, “
01 矩阵”。
数字化为一个 16×16 的二进制“
单元设计的目的就是通过不断调整正方形金属
子块的分布来设计出具有特定宏观反射相位的编码
单元。在传统的设 计 过 程 中,专 业 人 员 一 般 先 凭 借
经验手动调整正方 形 金 属 子 块 的 数 量 和 分 布,再 利
用仿真软件的仿真结果来决定调整的方向。手动调
整的方法 费 时 又 费 力,而 且 存 在 大 量 的 重 复 劳 动。
利用编码单元的数 字 化 表 示,计 算 机 可 自 动 调 整 金
属块的分布,并通过 仿 真 软 件 提 供 的 接 口 自 动 完 成
仿真验证。文献[78]提 出 了 一 种 机 器 学 习 方 法,该
方法通过二进制 粒 子 群 优 化 (
BPSO)
[
7981]
-
算法来调
整编码单元所对应 的 二 进 制 矩 阵 (编 码 矩 阵)内 容,
同时通过仿真软件的接口来获得当前编码单元的反
射相位,从而实现编码矩阵的更新。
图 2 给出了编码单元的 自 动 设 计 流 程 [78],其 中
BPSO 算法运 行 于 MATLAB 软 件 中,并 使 用 CST
仿真软件提供的接 口 控 制 着 编 码 矩 阵 的 更 新 过 程。
整个过程不需要任 何 人 工 干 预,只 需 要 设 置 初 始 条
件并在开始时按下启动按钮即可。BPSO 算法 的 初
始 种 群 是 一 组 仅 包 含 0 和 1 的 二 维 数 组,其 由
MATLAB 软件 随 机 生 成。 通 过 CST 仿 真 软 件 提
供的接口,可以将当 前 种 群 所 含 的 所 有 编 码 矩 阵 输
入 CST 仿真软件中并进行仿真,由此可以获取每个
编码矩阵所对应的 编 码 单 元 的 相 位 和 幅 度,从 而 评
估所需值的 适 应 性。然 后,粒 子 群 算 法 (
PSO)模 块
在迭代的每个步骤 中 更 新 粒 子 速 度 和 粒 子 位 置,并
将更新后 的 种 群 再 次 发 送 给 CST 执 行 仿 真 计 算。
最后,通过多次迭代和评估,可以自动为所需的设计
目标找到合适的编码单元。

图 2 BPSO 算法和 CST 仿真软件的联合优化流程图 [78]

F
ig 2 F
lowcha
rto
fjo
intop
timi
zat
ionbyBPSOa
lgo
rit
hmt
oge
the
rwi
thCSTs
imu
lat
ions
oftwa
re
78

此方法可以通过更改设计目标来 满 足 不 同 的
应用 需 求 。 设 计 目 标 1:将 设 计 目 标 设 置 为 某 个 固
定 的 相 位 ,由 此 设 计 出 一 个 具 有 固 定 反 射 相 位 的
编 码 单 元 ;设 计 目 标 2:将 两 个 编 码 单 元 绑 定 在 一
起 以 作 为 优 化 种 群 中 的 一 个 个 体 ,将 设 计 目 标 设
置 为 这 两 个 编 码 单 元 的 相 位 差 ,由 此 设 计 出 具 有
任 意 反 射 相 位 差 的 一 对 编 码 单 元 ;设 计 目 标 3:结
合设 计 目 标 1 和 设 计 目 标 2,设 计 出 四 个 具 有 固 定
相 位 差 的 编 码 单 元 ,其 做 法 是 先 使 用 设 计 目 标 2
设 计 出 其 中 一 对 具 有 固 定 相 位 差 的 单 元 ,之 后 再
使用设 计 目 标 1 单 独 设 计 出 剩 下 的 两 个 编 码 单
元。此方法还可以扩展到更多个 数 的 具 有 固 定 相

0823004
-3
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

位 差 的 编 码 单 元 ,最 后 使 用 CST 仿 真 软 件 对 最 终 10.
3 GHz频 率 范 围 内 的 相 位 差 保 持 在 180 °的 编
的 设 计 结 果 进 行 验 证 ,保 证 了 最 终 设 计 的 正 确 性 。 码 单 元 ,它 们 的 反 射 系 数 在 设 计 的 频 率 范 围 内 接
图 3 展 示 了 通 过 此 方 法 设 计 的 一 对 在 9.
5~ 近 1。

图 3 1b
it编码单元的模型、反射相位和反射幅度
[
78]
。(
a)第一个编码单元的几何图形;
(
b)第二个编码单元的几何图形;(
c)1b
it编码单元的反射相位和它们的相位差;(
d)1b
it编码单元的反射幅度
F
ig 3 Mode
lsr
efl
ect
ionpha
sesandamp
lit
ude
sof1b
itc
odi
ngun
itc
ell
s a Ge
ome
tri
cdi
agr
am o
ffi
rstc
odi
ngun
it
78

c
ell b ge
ome
tri
cdi
agr
am o
fse
condc
odi
ngun
itc
ell cr
efl
ect
ionpha
seso
f1b
itc
odi
ngun
itc
ell
sandt
hei
rpha
se
d
iff
erenc
e dr
efl
ect
ionamp
lit
ude
sof1b
itc
odi
ngun
itc
ell
s

此方法将机器 学 习 算 法 和 仿 真 软 件 相 结 合,将
人从重复的操作中 解 放 出 来,实 现 了 编 码 超 材 料 的
全自动设计,具 有 普 适 性。 但 是 此 方 法 的 缺 点 也 较
为明显,就是迭代更 新 过 程 中 的 每 个 编 码 单 元 都 需
要进行 CST 仿真,这 需 要 大 量 的 时 间,尤 其 是 在 设
计多个具有固定相 位 差 的 编 码 单 元 时,其 时 间 开 销
会成倍增长,且由于 CST 和 MATLAB 软件接口的
限制,仿真过程难以扩展到多台电脑上。
2.
2 超材料的深度学习智能化设计
正如前文所述,文 献 [
78]所 使 用 的 机 器 学 习 方
法在启动后不需要 人 参 与,但 由 于 其 始 终 依 赖 仿 真
软件来获得当前设 计 的 编 码 单 元 的 反 馈 参 数,效 率 图 4 编码单元的结构示意图 [82]
比较 低。 各 向 异 性 编 码 单 元 对 横 电 (TE)和 横 磁 F
ig 4 S
truc
tur
ald
iag
ram o
fcod
ingun
itc
ell
82

(TM)波入 射 具 有 不 同 的 反 射 相 位,在 设 计 误 差 为
预测 TE 波反射 相 位 的 神 经 网 络,通 过 编 码 单 元 的
1
°的情 况 下,有 360×360 种 相 位 分 布 组 合,相 比 各
旋转,即可预测 TM 波反射相位。
向同性编码单元的相位组合数量( 360 种)增 长 了 不
82]所构建的神经网络采用了多层的残差
文献[
少,这意味着前述的 机 器 学 习 方 法 需 要 更 多 的 迭 代
卷积网络结构 [83],其输入是数字化的 二 进 制 编 码 单
步数来设计各向异 性 的 编 码 单 元,需 要 花 费 大 量 的
元矩阵,输出是一个 360 维的向量,向量的每个元素
时间。
依次为 1
°~360
°反 射 相 位。 在 输 出 向 量 中,具 有 最
考虑到这一问题,文 献 [
82]提 出 了 一 种 结 合 深
大值的元素所对应的反射相位就被预测为最终的反
度学习的设计方法,其训练了一个神经网络,可以预
射相位。网络使用了保存在服务器中的三万多组训
测编码单元在 TE 波入射时的反射相位。编码单元
练数据进行训练,训 练 完 成 后 可 以 成 功 预 测 编 码 单
的结构示意图如图 4 所示,与图 1 的编码单元类似,
元所对应的 TE 波 反 射 相 位,预 测 的 平 均 相 位 误 差
其深色部分表示 金 属,浅 色 部 分 表 示 介 质。 不 同 点
仅为 1. °,满 足 误 差 小 于 3
4933 °的 设 计 要 求。 训 练
在于:图 1 单 元 不 但 满 足 轴 对 称,而 且 满 足 中 心 对
完成后,这一神经网 络 仅 需 要 数 毫 秒 即 可 预 测 一 个
称,其是各向同性的;图 4 单 元 只 满 足 轴 对 称,是 各
编码单元的反射相 位,相 比 于 原 来 的 使 用 仿 真 软 件
向异性的。由于轴 对 称 的 结 构,因 此 原 编 码 单 元 顺
的数分钟,快了上万倍。因此,可以将该神经网络替
时针或 逆 时 针 旋 转 90
°后 的 TE 波 反 射 相 位 就 是 原
换原来 的 仿 真 软 件 并 接 入 机 器 学 习 优 化 算 法 (如
编码单元 的 TM 波 反 射 相 位。 由 此 只 需 训 练 一 个
BPSO 算法)中,以实现最终的编码设计。这一 过 程
0823004
-4
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

的整个流程图如图 5 所 示,其 同 时 设 计 了 两 个 各 向 以完全运行于单一 的 深 度 学 习 平 台 上,支 持 并 行 加

0”编 码 单 元 和 “
异性的编码单元,分别 用“ 1”编 码 单
元表示,它们的 TE 波 和 TM 波 反 射 相 位 均 具 有 恒
定的相位差。由于 使 用 神 经 网 络 替 代 了 仿 真 软 件,
每次迭代的仿真速 度 快 了 上 万 倍,而 且 整 个 流 程 可
速,进一步缩短了设计时间。完成一次设计流程后,
程序会输出多个满 足 设 计 要 求 的 编 码 单 元 对,此 时
再使用 CST 仿真软件验证它们的性能,选取最优的
编码单元对。

[
82]
图 5 具有正交方向相位差的 1b
it编码单元的机器学习设计流程图
F
ig 5 F
lowcha
rto
fma
chi
nel
ear
ningde
signf
or1b
itc
odi
ngun
itwi
thpha
se
d
iff
erenc
eino
rthogona
ldi
rec
tions
82

82]所提出的方法是对文献[
文献[ 78]方法的改
进,虽然其效率得到大幅提高,但仍然是一种基于机
器学习的迭代算法,运 行 时 间 主 要 消 耗 在 迭 代 过 程
84]提出 了 一 种 非 迭 代 的 深 度 学 习 方 法,
中。文献[
该方法从单元的 S 参数曲线直接得到对应的编码单
元矩阵。所使用的单元 是 由 8×8 个 正 方 形 小 子 块
组成的各向同性的 编 码 单 元,这 一 单 元 同 时 具 有 轴
对称性和中心对称 性,因 此 编 码 单 元 矩 阵 的 四 分 之
一元素即 4×4 的 编 码 矩 阵 可 完 全 表 示 此 编 码 单 元
的状态。文献[84]设计了一个全连接的多层神经网
络,其输入是单元的 S 参 数 曲 线 信 息,输 出 是 16 维
01”向量,此向量可 被 重 塑 为 4×4 的 编 码 矩 阵。
的“
输入的 S 参数曲线 是 连 续 的,需 要 离 散 化 才 能 输 入
计算机,所以先用 1000 个 采 样 点 表 示 S 参 数 曲 线。
1000 维 的 输 入 过 大,所
但是对于全 连 接 神 经 网 络,
以通过两个步骤来 进 行 数 据 的 压 缩:先 使 用 离 散 余
弦变换 [
,将 原 来 由 1000 维 向 量 表 示 的 S 参 数 曲
84]
线压缩到 200 维,之后再训 练 一 个 自 编 码 器,将 200
维的向量进一步 压 缩 为 64 维。 经 过 这 两 步 数 据 压
缩步骤,最终输入全连接神经网络 的 数 据 就 只 有 64
维了。经 过 验 证,通 过 这 64 维 数 据,可 以 很 好 地 还
原原来由 1000 维向量所表示的 S 参数。
非迭 代 深 度 学 习 方 法 和 传 统 的 迭 代 优 化 算 法
的对比如图6所示。该非迭代方 法 只 需 运 行 一 次
神 经 网 络 即 可 获 得 最 终 的 设 计 编 码 ,相 比 于 文 献
[
82]中 深 度 学 习 和 机 器 学 习 结 合 的 迭 代 优 化 算
法 ,效 率 上 有 了 进 一 步 的 提 升 。 但 是 该 非 迭 代 方
法 也 有 一 定 的 弊 端 :对 于 一 个 固 定 的 S 参 数 ,该 方
法 设 计 出 的 编 码 单 元 也 是 固 定 唯 一 的 ,假 如 这 个
唯 一 的 编 码 单 元 不 满 足 设 计 要 求 ,该 非 迭 代 算 法
就 完 全 失 效 了 。 在 训 练 集 中 ,可 能 出 现 相 似 的 S
参 数 曲 线 对 应 着 不 同 的 编 码 矩 阵 的 情 况 ,这 会 造
成神经网络接收到了相似的输入信息 却 要 输 出 不
同 的 内 容 ,这 种 解 的 非 唯 一 性 会 在 训 练 过 程 中 造
成 参 数 梯 度 方 向 的 不 稳 定 ,从 而 影 响 神 经 网 络 的
收 敛 性 ,增 加 逆 向 设 计 失 效 的 概 率 。 但 是 使 用 迭

0823004
-5
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

代 的 BPSO 算 法 ,最 终 输 出 的 是 一 组 满 足 设 计 目 标 了 选 择 的 多 样 性 ,之 后 可 以 使 用 仿 真 软 件 依 次 检
要 求 的 编 码 ,也 就 是 说 设 计 出 的 编 码 单 元 有 多 种 验 这 些 优 化 结 果 的 性 能 ,选 取 其 中 性 能 最 优 的 编
选 择 ,且 由 于 BPSO 算 法 采 用 了 随 机 优 化 ,每 次 执 码作为最终的设计结果。所以这 两 种 方 法 各 有 优
行 程 序 可 能 输 出 不 同 的 优 化 结 果 ,这 进 一 步 增 加 劣 ,可 以 根 据 具 体 需 求 灵 活 选 择 。

图 6 非迭代深度学习方法和传统优化算法的对比 [84]
F
ig 6 Compa
ris
ono
fnon
-it
era
tivede
epl
ear
ning me
thodandc
onven
tiona
lop
timi
zat
ion me
thod
84

2.
3 光学超材料的机器学习设计
由 于 信 息 超 材 料 的 概 念 还 未 扩 展 到 光 学 领 域,
光学超材料的设计 还 停 留 在 结 构 化 设 计 阶 段,即 固
定材料的形状,将 它 们 的 尺 寸 参 数 化,如 厚 度、长 宽
和直径等参数。一 旦 材 料 被 参 数 化 表 示,就 可 以 使
用机器学习方法进行自动优化和设计。
85]提出了一种设计层状光学超材料的深
文献[
度学习方法。其设 计 的 超 材 料 结 构 如 图 7 所 示,这
是一种由二 氧 化 硅 (
SiO2 )和 氮 化 硅 (
Si3N4 )交 替 叠
加组成的层状光学 超 材 料,设 计 的 目 标 是 得 到 每 一
层的厚度参数,从而使得透射光表现出特定的光谱。
85]设计了一个与文献[
文献[ 84]类似的神经网
络,即神经网络的输入是所需的光谱信息,输出是对
应的每一层材 料 的 厚 度 参 数。 但 是 存 在 一 个 问 题:
相同的 光 谱 可 能 会 对 应 不 同 的 厚 度 参 数,如 图 7
(
b)、(
c)所 示,这 就 意 味 着 在 神 经 网 络 的 训 练 过 程
中,神经网 络 接 受 相 似 的 输 入,却 对 应 着 不 同 的 输
出,这种多解性会导 致 神 经 网 络 的 误 差 函 数 在 训 练
过程中反复振荡 而 难 以 收 敛。 为 了 解 决 这 个 “一 对
多”的问 题,研 究 者 设 计 了 一 个 串 联 的 神 经 网 络 结
构,如图 8 所示。首先训练一个前向的预测网络,网
络的输入是每层的 厚 度 参 数,输 出 是 对 应 的 透 射 光
谱。之后设计了一 个 逆 向 的 网 络,网 络 的 输 入 是 所
需的透射光谱,输 出 是 每 层 的 厚 度 参 数。 这 一 逆 向
网络的输出作为前 向 预 测 网 络 的 输 入,相 当 于 将 逆
向网络和前向网络 进 行 对 接,组 成 一 个 整 体 的 串 联
网络。这个整体的串联网络的输入是所需的透射光
谱,输出是逆向网络 当 前 生 成 的 厚 度 参 数 所 对 应 的
预测光谱,所以整个 串 联 网 络 的 训 练 目 标 是 使 输 入
和输出一致。在训 练 过 程 中,保 持 前 向 预 测 网 络 的
参数不变,只训练逆向设计网络的参数,训练完成后
逆向设计网络就可以独立完成设计任务了。这一串
联网络的概念类似 于 一 个 自 编 码 器,目 标 输 出 和 输
入一致,解决了原来 由“一 对 多”所 造 成 的 网 络 收 敛
问题,取得了很 好 的 设 计 效 果。 但 是 这 种 方 法 也 存
在一定的局限性,即对于一个固定的光谱,只能生成
一组厚度参数,一旦 这 组 厚 度 参 数 没 有 达 到 设 计 要
求,整个深度学习方法就失效了。

0823004
-6
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

图 7 层状光学超材料示意图 [85]。(
a)由多层 S
iO2 和 S
i3N4 组成的薄膜;

(
b)(
c)两个具有相似透射光谱的六层薄膜结构和它们对应的光谱
F
ig 7 Schema
tico
flaye
redop
tic
alme
tama
ter
ial a Th
inf
ilmsc
ompo
sedo
fmu
ltilel
aye
rso
fSiO2 andS
i3N4
85
p
b c two6
-laye
redt
hinf
ilm s
truc
tur
eswi
ths
imi
lart
ransmi
ssi
onspe
ctr
aandt
hei
rco
rre
spond
ingspe
ctr
a

图 8 一个由逆向设计网络和正向建模网络组成的串联网络 [85]
F
ig 8 Tandem ne
two
rkc
ompo
sedo
finve
rsede
signne
two
rkandf
orwa
rd mode
lingne
two
rk
85

光学超材料的 单 元 结 构 有 极 大 的 自 由 度,所 以 的,其功能是预测输 入 的 超 材 料 单 元 图 像 的 透 射 光

用几何参数来表示单元结构限制了单元形状的多样 谱;生成网络和判别网络是同时训练的,生成网络的
化。对抗生成网络 (
GAN) 用 于 生 成 具 有 特 定 特
[
12]
输入是透射光谱和 高 斯 噪 声 向 量,输 出 是 对 应 的 超
征的图案,文 献 [
86]提 出 了 一 种 基 于 GAN 的 逆 向 材料单元图像。生成网络同时会接收到来自仿真网
设计方法,可以在给定透射光谱的情况下,设计出对 络和判别网络的误差,以此来指导自身参数的更新,
应的具有不规则结 构 的 光 学 超 材 料 单 元,超 材 料 单 其中仿真网络是用来判断当前生成网络输出的超材
元由 64×64 个像元组成的二值图像表示,其中有色 料单元图像所预测的透射光谱是否与输入生成网络
像素点表示金属,白 色 的 像 素 点 表 示 空 气 或 者 介 质 的透射光谱一致,判 别 网 络 则 是 用 来 判 断 当 前 生 成
基板。图 9 展示了这种基于 GAN 的 逆 向 设 计 方 法 网络输出的超材料单元图像是否满足设计规则。详
的原理图,整个逆向设计系统由三种网络构成,分别 细来讲,判别网络用 来 约 束 生 成 网 络 所 生 成 的 图 案
是生成网 络 (
Gene
rat
or)、判 别 网 络 (
Cri
tic)和 仿 真 的形状特征。判别网络会同时接收到来自几何图形
S
网络(imu
lat
or)。其中,仿 真 网 络 是 最 先 训 练 完 成 库里的图案和当前 生 成 网 络 生 成 的 图 案,判 断 它 们

0823004
-7
 特邀综述
的特征是否一,防止生成网络生成一些杂乱的散点。
输入生成网络的高斯噪声向量可以保证每次运行生
成网络都有可能得 到 不 同 的 超 材 料 单 元 图 案,以 此
保证设计结果的多 样 性,最 后 可 以 从 多 个 设 计 结 果
中选择最优的方案。
除了上述提到的 两 种 方 法,文 献 [
87]提 出 了 一
种结合深度学习和 机 器 学 习 的 逆 向 设 计 方 法:先 使
用神经网络来预测 超 材 料 单 元 的 衍 射 效 率,随 后 用
图 9 基于 GAN 的逆向设计方法示意图 [86]
F
ig 9 Schema
tico
fGAN-ba
sedi
3 超材料的智能化结构
神经网络利用层级的互连结构来模拟人脑神经
元之间的连接,这种 层 级 的 互 连 结 构 的 前 向 计 算 可
以用矩阵乘法来 实 现。 在 全 连 接 的 神 经 网 络 中,一
层的每个单元都会 和 下 一 层 的 每 个 单 元 连 接,这 样
每个单元都可以被 看 成 是 一 个 点 源,其 向 下 一 层 传
递自己的 参 数。 这 一 过 程 类 似 于 光 学 的 惠 更 斯 原
理,因此可以利用层 状 的 光 学 超 材 料 来 实 现 全 连 接
的神经网络结构,且 这 种 全 光 驱 动 的 神 经 网 络 兼 具
计算速度快(光速计算)和功耗低的特点。
90]利用 3D 打 印 的 密 集 光 学 透 镜 阵 列 来
文献[
构建光学神经网络所需的光学超材料层,如图 10 所
示。光照射到 一 个 3D 打 印 的 突 起 透 镜 单 元 时,透
射光会发生相位变化,根据惠更斯原理,这束透射光
会照射到下一层的 每 个 单 元 上,因 此 整 个 装 置 就 形
成了一个调相的全 连 接 光 学 神 经 网 络,该 网 络 可 以
通过不同高度的突起透镜单元来调节经过每个节点
的相位差。整个网络的相位差参数设计是在一台计
0823004
第 41 卷 第 8 期/2021 年 4 月/光学学报
该神经网络替代仿 真 软 件,并 使 用 一 个 非 线 性 优 化
方法 [88]来 逆 向 设 计 所 需 的 单 元 结 构 参 数。 文 献
[
89]提出了一种结 合 潜 在 概 率 分 布 的 生 成 网 络,研
究者将超材料的光学特性参数和对应的编码组合在
一起并将其压缩到 一 个 潜 在 的 概 率 空 间 中,生 成 网
络同时接收需要设计的光学特性参数和来自于潜在
概率空间的采样数据,并输出所需的超材料编码,这
种方法使得最终生成的图案具有多样性。
nve
rsede
sign me
thod
86
算机上进行 的,并 通 过 高 精 度 的 3D 打 印 将 相 位 差
参数表示为对应高度的透镜单元。该装置实现了手
写数字识别、时尚物体识别和光学成像的功能,且效
果不错。但是该装 置 有 一 个 局 限 性,即 一 旦 制 作 完
成后就不可更改。要想实现新的功能,必须重新 3D
打印新的装置,因 此 扩 展 性 有 限。 为 了 解 决 此 局 限
91]使用 一 种 可 通 过 紫 外 光 照 射 来 调 节 透
性,文献[
射光相位差的材料 来 实 现 上 述 光 学 神 经 网 络 结 构。
但是由于这种变相 材 料 本 身 的 限 制,可 以 调 节 的 相
位值比较有限,所实现的功能相对来说还比较简单。
除了使用上述透射光学材料来控制光的相位和
92]提 出 了 一 种 光 学 神 经 网 络 构 建
幅度变化,文献[
方法,该方法使用反 射 光 学 材 料 来 控 制 光 传 播 过 程
中的相位 和 幅 度 变 化 且 可 以 引 入 非 线 性 的 激 活 单
元。但是,由于使用了不规则形状的反射材料,为了
保证光路的准确性,材 料 的 制 作 精 度 和 分 布 位 置 都
有着严格的要求,该方法实现起来非常困难,研究者
也只给出了仿真 的 结 果。 仿 真 结 果 显 示,该 方 法 对
手写体有79% 的 识 别 率 ,相 比 于 传 统 的 神 经 网 络
-8
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

图 10 全光学衍射神经网络 [90]。(
a)网络结构示意图;(
b)3D 打印结构示意图
F
ig 10 Al
l-op
tic
ald
iff
rac
tiveneu
ralne
two
rks a Schema
tico
fne
two
rks
truc
tur
e
90

b s
chema
tico
f3Dp
rin
tings
truc
tur
e

(
90% 以上的识别率),识别率还是比较低的。
4 超材料的智能化系统
4.
1 基于机器学习和信息超材料的成像系统
传统的微波成像系统需要在速度和图像质量之
间进行折中,基于压 缩 感 知 的 成 像 算 法 又 需 要 进 行
迭代运算,这些 都 限 制 了 成 像 的 效 率。 为 了 实 现 快
速的超分辨成像,必 须 提 前 提 取 一 些 场 景 的 特 征 信
息,因此需要使用 一 些 特 殊 的 测 量 模 式。 文 献 [
77]
提出了一种超分辨 成 像 系 统,该 系 统 使 用 机 器 学 习
算法获取场景特征,并使用信息超材料生成特定的、
与场景匹配的辐 射 图。 以 成 人 像 为 例,研 究 者 首 先
[
93]
使用主成分分析法 提取出人像的 一 系 列 特 征 图,
这些特征图用来指导信息超材料生成与特征图对应
的辐射图。得益于 信 息 超 材 料 的 数 字 化 控 制 方 式,
可以很方便地实时 切 换 超 材 料 的 辐 射 图 案,辐 射 图
案和超材料编码单元之间的对应关系也可以通过离
散化的 GS 算法 [94]进 行 计 算。 每 次 成 像 时,研 究 者
快速切换 400 种超 材 料 的 编 码,每 种 编 码 都 会 对 应
一种辐射图,同时利 用 一 个 接 收 天 线 接 收 每 种 辐 射
图照射到人体之 后 的 反 射 波 强 度。 因 此,对 于 每 个
人像,研究者收集 到 了 400 组 不 同 辐 射 图 及 其 对 应
的反射波强度数据。
之后 研 究 者 设 计 了 一 个 非 常 巧 妙 的 方 法,从 收
集到的数据中反演出人像。研究者的反演算法基于
一个简单的假设,如图 11(
a)所 示,即 一 个 辐 射 图 对
应的反射波强度与辐射图/物体重叠的面积成正比。
基于此假设,建立物 体 的 像 和 收 集 到 的 数 据 之 间 的
关系,并建立一个方程组,通过收集的 400 组数据解
出物体的像,如图 11(
b)、(
c)所 示,其 中 信 息 超 材 料
的辐射图是研究者基于主成分分析法从场景信息中
获取的。研究者不 利 用 场 景 信 息,随 机 生 成 各 种 辐
射图,之后 用 相 同 的 反 演 算 法 进 行 成 像,结 果 如 图
11(
d)所示。对比图 11(
c)、(d)可 以 发 现,在 使 用 主
成分分析法提取场 景 先 验 信 息 的 情 况 下,成 像 的 效
果远好于利用随机 辐 射 图 的 成 像,这 进 一 步 证 明 了
机器学习算法对成像系统的重要性。
4.
2 基于深度学 习 和 信 息 超 材 料 的 成 像 和 自 动 识
别系统
77]将成像对象的先验信息引入到获取成
文献[
像数据的过程中,并 在 成 像 算 法 层 面 使 用 了 传 统 的
解方程的方式。信息超材料的引入为进一步提高成
像系统的智能化带 来 了 可 能,有 利 于 将 深 度 学 习 技
术引入到整个成像系统中。文献[ 95]在文献[ 77]的
基础上,进一步将成 像 对 象 的 先 验 信 息 融 入 到 成 像
算法的层面,形成了 一 个 由 深 度 学 习 驱 动 的 成 像 系
统,完成了手势 识 别 等 智 能 化 任 务。 在 采 集 成 像 数
据方面,研究者使用 光 学 相 机 采 集 测 试 对 象 的 原 始
图像[图 12(
a)最 顶 部 一 行],之 后 将 测 试 对 象 的 图
像从背景中提取出来,并进行二值化,得到所需的目
标像,这些目标 像 即 为 成 像 系 统 的 目 标 输 出。 成 像
系统输入数据的采集 与 文 献 [
77]类 似,使 用 主 成 分
分析法设计了多种 与 辐 射 图 对 应 的 超 材 料 编 码,并
使用一个 接 收 天 线 收 集 它 们 所 对 应 的 宽 带 回 波 数
据,最终表示为图 12(
a)最 后 一 行 所 示 的 二 维 矩 阵,
这 些数据即为成像系统的输入数据。由于测 试 对 象

0823004
-9
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

图 11 成像原理和成像结果 [77]。(
a)成像算法原理图;(
b)测试人员的四幅图片;
(
c)使用主成分分析法生成的与图 11(
b)对应的像;(
d)使用随机辐射图生成的与图 11(
b)对应的像
F
ig 11Imag
ingp
rinc
i l
eandimag
ingr
esu
lts a Pr
inc
i l
edi
agr
am o
fimag
inga
lgo
rit
hm b f
ourimage
soft
est
ing
77
p p
pe
rson c r
econs
truc
ted image
sco
rre
spond
ing t
oFi
g 11 b us
ing p
rinc
ipa
lcomponen
t ana
lys
is me
thod
dr
econs
truc
tedimage
sco
rre
spond
ingt
oFi
g 11 b us
ingr
andomr
adi
ati
onpa
tte
rn

的原始图像是通过 拍 视 频 的 方 式 采 集 的,需 要 将 视 性,通过将电磁波聚焦到测试者的胸部位置,整个系

频中的每一帧图像 提 取 出 来,在 时 间 轴 上 还 需 要 与
采集到的成像输入 数 据 进 行 对 齐,从 而 形 成 输 入 和
输出对应的训练数据样本。研究者一共收集了八万
组成对的数据,并构 建 了 一 个 从 成 像 输 入 数 据 到 成
像目标输出的卷积 神 经 网 络,使 用 这 批 数 据 训 练 这
一网络,最终实现了 从 成 像 输 入 数 据 到 成 像 目 标 的
深度学习映射,所成的像如 图 12(
a)中 间 一 行 所 示。
可以看到,相比于图 11(
c),在 成 像 算 法 阶 段 再 次 引
入场景的先验信息可以使所成的像更加清晰。
深 度 学 习 最 擅 长 的 领 域 之 一 就 是 目 标 的 识 别。
在得到目标像之后,研究者进一步扩展了系统功能,
实 现 了 手 势 识 别 和 呼 吸 状 态 监 测 的 功 能,如 图 12
(
b)所 示。 对 于 手 势 识 别 任 务,研 究 者 首 先 根 据 目
标人物所成的像,定 位 其 手 部 的 位 置,同 时 使 用 GS
算法设计超材料编 码,从 而 将 电 磁 波 的 能 量 聚 焦 到
目标人物的手上,以 此 采 集 不 同 手 势 下 的 回 波 数 据
并将其作为训练数据,训练了一个能识别 10 类手势
的卷 积 神 经 网 络 [图 12(
b)中 的 IM-CNN-
2],识 别
正确率达到 95% 。对于呼吸 状 态 监 测 任 务,研 究 者
将波束聚焦到目标 人 物 的 胸 部,通 过 持 续 采 集 回 波
数据并进行时频分 析,可 以 准 确 地 分 辨 出 测 试 者 当
前的呼吸状态。相比于传统的使用光学图像进行手
势识别的系统,研究 者 所 提 系 统 用 一 种 侵 入 性 很 小
的方式获得了所需 的 手 势 信 息,避 免 了 光 学 摄 像 头
造成的隐私泄露的 问 题;得 益 于 编 码 超 材 料 的 灵 活
统可以无 缝 地 从 手 势 识 别 功 能 切 换 到 呼 吸 监 测 功
能,大大降低了成本,未来在智能家居和远程监护方
面具有很大的应用潜力。
4.
3 基于深度学习和信息超材料的智能感知系统
77]在数据采集阶段通过主成分分析法提
文献[
95]在 文 献 [
取了场景的先验信息,文 献[ 77]的 基 础
上,进一步将成像目 标 的 先 验 信 息 引 入 到 成 像 算 法
中,但是数据采集过 程 和 成 像 算 法 仍 然 是 独 立 设 计
的两个模块,数据采 集 过 程 中 所 使 用 的 超 材 料 编 码
方式和后续采用的 成 像 算 法 缺 乏 直 接 的 联 系,没 有
形成有机的整体。因 此,文 献 [
96]提 出 了 一 种 在 数
据采集阶段就引入 深 度 学 习 的 成 像 方 法,并 联 合 优
化了数据获取时的 神 经 网 络,将 完 整 的 成 像 过 程 连
接成一个有机的整体,在不降低成像质量的情况下,
减少了成像所需的数据量。
具体的系统 流 程 如 图 13 所 示。研 究 者 首 先 训
练一个 m-ANN 网 络 (相 当 于 编 码 器),网 络 的 输 入
是物体的像 x 和超 材 料 编 码 C ,目 标 输 出 是 天 线 接
收到的测量数据 y。这个编码器网络的作用与之前
介绍的仿真网络的 作 用 类 似,仿 真 网 络 的 作 用 是 替
代耗时的仿真软件 来 完 成 仿 真 数 据 的 获 取,该 编 码
器网络的作用是替代物体和电磁波交互的实测过程
来直接获得预测的回波数据。随后研究者训练一个
-ANN,网络的输入是实测的天 线 接 收 到 的
解码器 r
测量数据 y,目 标 输 出 是 物 体 的 像 x。 最 后 将 m-

0823004
-10
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

图 12 成像和自动识别系统示意图 [95]。(
a)成像数据的采集和构建;(
b)识别系统的流程框架图
F
ig 12 Schema
tico
fimag
ingandr
ecogn
iti
onsy
stem a Co
lle
cti
onandc
ons
truc
tiono
fimag
ingda
ta
95

bf
lowcha
rto
fre
cogn
iti
onsy
stem

ANN 和 r
-ANN 对接,也 就 是 将 m-ANN 的 输 出 作
为r-ANN 的 输 入,并 固 定 m-ANN 的 参 数,将 r-
ANN 的参数和 超 材 料 编 码 C 作 为 可 训 练 的 参 数。
这样就形成了一个 新 的 网 络,新 网 络 的 输 入 是 物 体 4.
4 自适应智能超材料系统
的像 x,目标输出也是物体的像 x,这也是一个完整
的编解码器。训练 这 个 编 解 码 器,使 得 其 输 出 图 像
尽可能地与输入图 像 相 同,进 而 同 时 完 成 优 化 超 材
料编码 C 和 r
-ANN 的任务。整 个 方 法 的 内 在 逻 辑
就是通过联合训练,找 到 能 提 高 成 像 质 量 的 超 材 料
辐射图也就是超材 料 编 码,由 此 减 少 成 像 所 需 的 超
材料编码图案数量。
可编程超材料可以动态地、任意地操纵电磁波,
并实现多种多样 的 功 能。 但 是,可 编 程 功 能 的 实 现
仍需要人工操作。 针 对 这 一 问 题,崔 铁 军 课 题 组 提
出了一种具有自适应反馈功能的智能可编程超构材

0823004
-11
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

图 13 联合优化智能成像系统结构图 [96]
F
ig 13 S
truc
tur
ald
iag
ram o
fin
tel
ligenc
eimag
ingsy
stem wi
thj
oin
top
timi
zat
ion
96

料 [97],在传统可 编 程 超 材 料 基 础 上,通 过 进 一 步 集 三轴陀螺仪集成的运动感知智能超表面。陀螺仪检

成传感器、反馈链路和算法,构建了一个智能超材料 测到卫星姿态变化后,实 时 反 馈 给 FPGA 和 微 处 理
闭环决策系统。该智能超材料系统具有自适应可重 器进行分析,根据预 设 的 智 能 算 法 执 行 相 应 的 材 料
编程功能,无需人工参与,能够通过集成附加传感器 编码分布,如图 14(
b)所示,使得通信波束始终 指 向
来感测周围环境,并 通 过 无 人 传 感 反 馈 系 统 自 适 应 卫星。此外,除了波束凝视功能外,该智能超表面凭
地调整电磁波操作功能。针对卫星通信应用中的动 借数字可编程的特 性 可 实 现 更 多 功 能,如 多 波 束 动
态实时通信,如图 14(
a)所 示,研 究 者 设 计 了 一 个 与 RCS)散射调控、涡旋波
态跟踪、动态雷达散射截面(

图 14 智能超表面的应用与原理示意图 [97]。(
a)卫星通信的应用场景;(
b)智能超表面构成
F
ig 14 Pr
inc
i l
edi
agr
am andapp
lic
ati
ono
fsma
rtme
tasu
rfa
ce a App
lic
ati
ons
cena
rioo
fsa
tel
li
te
97
p
c
ommun
ica
tion b c
omponen
tso
fsma
rtme
tasu
rfa
ce

0823004
-12
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

生成和多波束扫 描。 此 外,在 传 统 的 研 究 超 表 面 编 其与自然、社会 的 相 互 作 用 机 理 与 模 式。 作 为 一 个

码图样的方法中,研 究 者 通 常 研 究 特 定 编 码 图 样 的 直接的近期应用,智 能 超 材 料 正 影 响 着 第 五 代 移 动
辐射散射特性。在 这 个 工 作 中,研 究 者 提 出 了 一 种 通信技术的发展,研究智能超材料在智能家居、物联
快速逆向编码设计算法,根据所需的波束辐射方向, 网和自动驾驶等领域中的应用也是未来非常重要的
快速实时计算出所需的编码图样。该算法不仅可以 研究方向。
实现单波束扫描的 实 时 计 算,还 可 以 实 现 多 波 束 动
态跟踪的实时计算。 参 考 文 献
在该 智 能 超 表 面 的 架 构 基 础 上,可 进 一 步 发 掘 1 S
ilve
rD Schr
ittwi
ese
rJ S
imonyan K e
tal

更丰富的 有 源 动 态 功 能。 凭 借 FPGA 丰 富 的 输 入 Ma
ste
ringt
hegameo
fGo wi
thou
thumanknowl
edge
J Na
tur
e 2017 550 7676 354
-359
输出控制接口,智能 超 表 面 可 便 捷 地 集 成 其 他 传 感
2 LeCun Y Beng
io Y Hi
nton G De
epl
ear
ning J
器,形成一个高 度 扩 展 的 智 能 平 台。 除 了 陀 螺 仪 之
Na
tur
e 2015 521 7553 436
-444
外,研究者进一步 集 成 了 光 敏 传 感 器、热 敏 传 感 器、 3 Hi
nton G Deng L Yu D e
tal De
ep neu
ral
高度传感 器 和 湿 度 传 感 器。 借 助 多 种 不 同 感 知 器 ne
two
rksf
ora
cous
ticmode
lingi
nspe
echr
ecogn
iti
on
件,智能超表面可实 时 检 测 多 种 环 境 信 息 并 作 出 智 t
hesha
redv
iewso
ffou
rre
sea
rch g
roups J IEEE
能化决策。以光敏 传 感 器 为 例,智 能 超 表 面 的 编 码 S
igna
lPr
oce
ssi
ng Maga
zine 2012 29 6 82
-97
4 P
ironkov G Wood S U Dupon
t S Hyb
rid
-ta
sk
图样在强光环境下 实 现 了 双 波 束 辐 射 场,而 在 暗 光
l
ear
ningf
orr
obus
tau
toma
ticspe
echr
ecogn
iti
on J
环境下实现了 RCS 缩 减 的 辐 射 特 性。 更 多 丰 富 的
Compu
terSpe
ech & Language 2020 64 101103
功能有待进一步开发和研究。 5 Gr
ave
s A Mohamed A R Hi
nton G Spe
ech
r
ecogn
iti
on wi
thde
epr
ecu
rren
tneu
ralne
two
rks C ∥
5 结束语 2013 IEEE I
nte
rna
tiona
l Con
fer
enc
e on Ac
ous
tic
s
人工 智 能 具 有 强 大 的 学 习 能 力,对 超 材 料 的 发 Spe
ech and S
igna
l Pr
oce
ssi
ng May 26
-31 2013
Vanc
ouve
r Canada New Yo
rk IEEE 2013 6645
-
展产生了巨大影响,不仅改变了超材料的设计,还极
6649
大延伸了超材料在物理和信息调控方面的功能。目
6 Kong L I
nte
ll
igen
tre
cogn
iti
on sy
stem f
orh
igh
前,传统结构超材料 和 人 工 智 能 的 结 合 主 要 用 于 超 rec
isi
on image s
i
p gn
ifi
can
tfe
atu
resi
nla
rge da
ta
材料结构的设计和 优 化,该 方 法 摆 脱 了 仿 真 软 件 的 ba
ckg
round M ∥Advanc
esi
nIn
tel
ligen
tSy
stemsand
束缚,直接进行从材料特性到材料结构的逆向设计, Compu
ting Cham Sp
ringe
r 2019 1056
-1062
极大地提高了设计效率。利用光的可叠加性和独立 7 Tong T Mu X Zhang L e
tal MBVCNN j
oin
t
c
onvo
lut
iona
l neu
ral ne
two
rks me
thod f
or image
传播特性,通过光学 超 材 料 可 构 建 基 于 光 计 算 的 神
r
ecogn
iti
on C ∥ Ma
ter
ial
s Sc
ienc
e Ene
rgy
经拟态网络结构,该 结 构 可 完 成 一 些 简 单 的 智 能 任
Te
chno
logy and Powe
rEng
ine
eri
ngI Ap
ril15
-16
务,但是由于光学超材料的可调性有限,光学神经网
2017 Hang
zhou Ch
ina New Yo
rk Ame
ric
an
络的扩展性受到限制。信息超材料具有灵活的数字 I
nst
itu
teo
fPhy
sic
s 2017 1839 020091
编码表征、数字化调控特性和极快的编码切换速度, 8 Sun H Zhang Q Wang H e
tal Re
sea
rch o
f
为超材料和人工智能的深度融合提供了非常好的平 image
sre
cogn
iti
on me
thod ba
sed on r
bf neu
ral

台,已经实现了很多系统的智能化应用。 ne
two
rk C ∥ 2012 7
thI
nte
rna
tiona
lCon
fer
enc
eon
Sy
stem o
fSy
stems Eng
ine
eri
ng Ju
ly 16
-19 2012
但从 长 远 来 看,智 能 超 材 料 的 相 关 研 究 刚 刚 起
Genoa I
tal
y New Yo
rk IEEE 2012 24
-26
步,未来仍有大 量 问 题 需 要 解 决。 智 能 超 材 料 兼 具
9 Cho K Me
rri
enboe
rB V Gu
lcehr
eC e
tal
物理调控和信息调 控 的 双 重 功 能,可 填 补 信 息 系 统 Le
arn
ingphr
aser
epr
esen
tat
ionsus
ing RNN enc
ode
r-
中模拟系统和数字系统之间的沟壑,会对通信、计算 de
code
rfo
rst
ati
sti
cal ma
chi
net
rans
lat
ion EB OL
和控制等领域产 生 重 要 影 响。 因 此,一 个 重 要 研 究 2014
-09
-03 2020
-06
-01 h
ttp ∥emn
lp2014 o
rg

方向是研究人工智 能 超 材 料 的 大 容 量 保 密 通 信、低 pape

rs pd
f EMNLP2014179 pd
f
10 Es
col
ano C Co
sta
-Jus
sà M R Fono
llo
saJ A R
功耗高效率计算 以 及 人 机 一 体 控 制 等。 另 外,高 密
Fr
om b
ili
ngua
lto mu
lti
lingua
lneu
ral
-ba
sed ma
chi
ne
度分布式智能超材料作为人类社会与自然环境的重
t
rans
lat
ionbyi
ncr
emen
talt
rai
ning J J
our
nalo
fthe
要组成部分,将会 改 变 信 息 产 生、传 输、接 收 和 存 储 As
soc
iat
ionf
orI
nfo
rma
tionSc
ienc
eand Te
chno
logy
的模式,因此需要研 究 智 能 超 材 料 的 信 息 容 量 以 及 2020 1
-14

0823004
-13
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

11 Kwon S Go B H Le
eJ H At
ext
-ba
sed v
isua
l 23 Dr
ache
v V P Ca
i W Che
tti
ar U e
t a
l
c
ont
ext modu
lat
ion neu
ral mode
lfo
r mu
ltimoda
l Expe
rimen
talve
rif
ica
tiono
fanop
tic
alnega
tive
-index
ma
chi
net
rans
lat
ion J Pa
tte
rn Re
cogn
iti
onLe
tte
rs ma
ter
ialJ La
serPhy
sic
sLe
tte
rs 2006 3 1 49
-
2020 136 212
-218 55
12 Good
fel
lowIJ Pouge
t-Abad
ieJ Mi
rzaM e
tal 24 May
str
e D R Eno
ch S Tayeb G Ul
tra
ref
rac
tion
Gene
rat
iveadve
rsa
ria
lne
ts EB OL 2014
-12
-03 and nega
tive r
efr
act
ion i
n me
tama
ter
ial
s J
2020
-06
-01 h
ttps ∥pape
rsn
ips c
c pape
r2014 Pr
oce
edi
ngso
fSPIE 2004 5359 64
-75
f
ile5c
a3e
9b122
f61
f8f
06494c
97b1a
fcc
f3-Pape
r pd
f 25 Chen X Luo Y Zhang J e
tal Ma
cro
scop
ic
13 Led
igC The
is L Hus
zarF e
tal Pho
to-
rea
lis
tic i
nvi
sib
ili
tyc
loak
ing o
fvi
sib
lel
igh
t J Na
tur
e
s
ing
le image supe
r-r
eso
lut
ion us
ing a gene
rat
ive Commun
ica
tions 2011 2 176
adve
rsa
ria
lne
two
rk EB OL 2017
-05
-25 2020
- 26 Zhang B Luo Y L
iu X e
tal Ma
cro
scop
ic
06
-01 h
ttps ∥a
rxi
vor
g abs1609 04802 i
nvi
sib
ili
tyc
loakf
orv
isi
blel
igh
tJ Phy
sic
alRe
view
14 Cho
iY Cho
i M Kim M e
tal S
tarGAN un
ifi
ed Le
tte
rs 2011 106 3 033901
gene
rat
ive adve
rsa
ria
l ne
two
rks f
or ml
ti
-doma
in 27 Cheng Q J
iang W X Cu
i T J Spa
tia
l powe
r
image
-to
-image t
rans
lat
ion C ∥ 2018 IEEE Cv
f c
omb
ina
tion f
or omn
idi
rec
tiona
l r
adi
ati
on v
ia
Con
fer
enc
e on Compu
ter Vi
sion and Pa
tte
rn an
iso
trop
ic me
tama
ter
ial
s J Phy
sic
al Re
view
Re
cogn
iti
on Ju
ly 18
-23 2018 Sa
lt Lake C
ity Le
tte
rs 2012 108 21 213903
Ame
ric
a New Yo
rk IEEE 2018 8789
-8797 28 Zhou H Pe
iZ Qu S e
tal Ap
lana
rze
ro-
index
15 Xi
ao J B
iX J Mu
lti
-sc
alea
tten
tion gene
rat
ive me
tama
ter
ialf
ord
ire
cti
ve emi
ssi
on J J
our
nalo
f
adve
rsa
ria
l ne
two
rks f
orv
ide
ofr
ame i
nte
rpo
lat
ion El
ect
romagne
tic Wave
s and App
lic
ati
ons 2009 23
J IEEE Ac
ces
s 2020 8 94842
-94851 7 953
-962
16 He C Y Wan Y Gu Y X e
tal I
nteg
ral 29 ZhouL L
iH Q Qi
nY Q e
tal Di
rec
tiveemi
ssi
ons
r
ein
for
cemen
tle
arn
ing
-ba
sed mu
lti
-robo
t mi
nimum f
rom subwave
leng
th me
tama
ter
ial
-ba
sedc
avi
tie
sJ
t
ime
-ene
rgy pa
th p
lann
ing sub
jec
t t
o c
oll
isi
on App
liedPhy
sic
sLe
tte
rs 2005 86 10 101101
avo
idanc
e and unknown env
ironmen
tald
ist
urbanc
es 30 S
ilve
iri
nha M Enghe
ta N Tunne
ling o
f
J IEEE Con
tro
lSy
stems Le
tte
rs 2020 5 3 e
lec
tromagne
tic ene
rgy t
hrough subwave
leng
th
983
-988 channe
lsand bends us
ing ε
-ne
ar-
zer
o ma
ter
ial
sJ
17 Sang
iovann
iB I
ncr
emona G P P
ias
traM e
tal Phy
sic
alRe
view Le
tte
rs 2006 97 15 157403
Se
lf-
con
figu
ring r
obo
t pa
thp
lann
ing wi
th obs
tac
le 31 L
iu R Cheng Q Hand T e
tal Expe
rimen
tal
avo
idanc
evi
ade
epr
ein
for
cemen
tle
arn
ing J IEEE demons
tra
tion o
fel
ect
romagne
tict
unne
ling t
hrough
Con
tro
lSy
stemsLe
tte
rs 2021 5 2 397
-402 an eps
ilon
-ne
ar-
zer
o me
tama
ter
ial a
t mi
crowave
18 Yoo J J
ang D Kim H J e
t a
l Hyb
rid f
requenc
iesJ Phy
sic
alRe
view Le
tte
rs 2008 100
r
ein
for
cemen
tle
arn
ingc
ont
rolf
ora mi
croquad
rot
or 2 023903
f
ligh
tJ IEEE Con
tro
lSy
stems Le
tte
rs 2021 5 32 NiX Eman
iN K Ki
ldi
she
vA V e
tal Br
oadband
2 505
-510 l
igh
t bend
ing wi
th p
lasmon
ic nanoan
tenna
s J
19 Ac
erne
se A Ye
rudka
r A Gl
ielmo L e
tal Sc
ienc
e 2012 335 6067 427
Re
inf
orc
emen
t l
ear
ning app
roa
ch t
o f
eedba
ck 33 Yu N F Gene
vetP Ka
ts M A e
tal L
igh
t
s
tab
ili
zat
ionp
rob
lem o
fpr
obab
ili
sti
c Boo
leanc
ont
rol r
popaga
tion wi
th pha
sed
isc
ont
inu
iti
es Gene
ral
ized
ne
two
rks J IEEE Con
tro
lSy
stemsLe
tte
rs 2020 l
awso
fre
fle
cti
onandr
efr
act
ion J Sc
ienc
e 2011
5 1 337
-342 334 6054 333
-337
20 Zhao H ZhaoJ H Qi
uJ e
tal Coope
rat
ive wi
nd 34 SunS He Q Xi
ao S e
tal Gr
adi
ent
-index me
ta-
f
arm c
ont
rol wi
th de
ep r
ein
for
cemen
tle
arn
ing and su
rfa
cesa
sa b
ridgel
ink
ing p
ropaga
ting wave
s and
knowl
edge
-as
sis
tedl
ear
ning J IEEE Tr
ans
act
ions su
rfa
ce wave
sJ Na
tur
e Ma
ter
ial
s 2012 11 5
onI
ndus
tri
alI
nfo
rma
tic
s 2020 16 11 6912
-6921 426
-431
21 Ve
sel
ago V G The e
lec
trodynami
cso
f subs
tanc
es 35 Yi
nX YeZ RhoJ e
tal Pho
ton
icsp
in Ha
lle
ffe
ct
wi
ths
imu
ltane
ous
lynega
tiveva
lue
sof ∈ andμ J a
t me
tasu
rfa
ces J Sc
ienc
e 2013 339 6126
Sov
ietPhy
sic
sUspekh
i 1968 10 4 509
-514 1405
-1407
22 Pa
raz
zol
iC G Gr
eego
r R B L
i K e
tal 36 L
inJ Mue
lle
rJP B Wang Q e
tal Po
lar
iza
tion
-
Expe
rimen
talve
rif
ica
tion and s
imu
lat
ion o
fnega
tive c
ont
rol
led t
unab
led
ire
cti
ona
lcoup
ling o
f su
rfa
ce
i
ndexo
fre
fra
cti
on us
ing Sne
ll'sl
aw J Phy
sic
al l
pasmonpo
lar
itons J Sc
ienc
e 2013 340 6130
Re
view Le
tte
rs 2003 90 10 107401 331
-334

0823004
-14
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

37 Mi
roshn
ichenko A E Ki
vsha
r Y S Po
lar
iza
tion 25 48 6963
-6968
t
raf
ficc
ont
rolf
or su
rfa
cep
lasmons J Sc
ienc
e 53 Yang X M Zhou X Y Cheng Q e
tal Di
ffus
e
2013 340 6130 283
-284 r
efl
ect
ionsbyr
andoml
ygr
adi
enti
ndex me
tama
ter
ial
s
38 Gr
ady N K Heye
s J E Chowdhu
ryD R e
tal J Op
tic
sLe
tte
rs 2010 35 6 808
-810
Te
rahe
rtz me
tama
ter
ial
s f
or l
ine
ar po
lar
iza
tion 54 Ni
ng Z L L
i Y Dong P R e
tal When de
ep
c
onve
rsi
on and anoma
lous r
efr
act
ion J Sc
ienc
e r
ein
for
cemen
tle
arn
ing me
ets 5G-
enab
led veh
icu
lar
2013 340 6138 1304
-1307 ne
two
rks a d
ist
ribu
ted o
ffl
oad
ing f
ramewo
rkf
or
39 QuC MaS HaoJ e
tal Ta
ilo
rthef
unc
tiona
lit
ies t
raf
ficb
igda
ta J IEEE Tr
ans
act
ionsonI
ndus
tri
al
o
f me
tasu
rfa
cesba
sed onac
omp
let
e pha
sed
iag
ram I
nfo
rma
tic
s 2020 16 2 1352
-1361
J Phy
sic
al Re
view Le
tte
rs 2015 115 23 55 WanS H L
iX XueY e
tal Ef
fic
ien
tcompu
tat
ion
235503 o
ffl
oad
ingf
orI
nte
rne
tofVeh
icl
esi
nedgec
ompu
ting
-
40 Pend
ryJ B Con
tro
lli
ng e
lec
tromagne
ticf
iel
ds J a
ssi
sted 5G ne
two
rks J The J
our
nal o
f
Sc
ienc
e 2006 312 5781 1780
-1782 Supe
rcompu
ting 2020 76 4 2518
-2547
41 Schu
rigD Mo
ckJJ Jus
tic
eBJ e
tal Me
tama
ter
ial 56 Huang H J GuoS Gu
iG e
tal De
epl
ear
ningf
or
e
lec
tromagne
ticc
loak a
t mi
crowavef
requenc
iesJ phy
sic
al-
laye
r5G wi
rel
esst
echn
ique
s oppo
rtun
iti
es
Sc
ienc
e 2006 314 5801 977
-980 cha
llenge
s and s
olu
tions J IEEE Wi
rel
ess
42 Le
onha
rdt U Op
tic
alc
onf
orma
l mapp
ing J Commun
ica
tions 2020 27 1 214
-222
Sc
ienc
e 2006 312 5781 1777
-1780 57 Cu
iT J Qi M Q Wan X e
tal Cod
ing
43 L
iJ Pend
ryJ B Hi
ding unde
rthec
arpe
t A new me
tama
ter
ial
s d
igi
tal me
tama
ter
ial
s and
s
tra
tegyf
orc
loak
ing J Phy
sic
al Re
view Le
tte
rs r
pog
rammab
le me
tama
ter
ial
sJ L
igh
t Sc
ienc
e&
2008 101 20 203901 App
lic
ati
ons 2014 3 10 e
218
44 L
iuR J
iC Mo
ck JJ e
tal Br
oadband g
round
- 58 Cu
iT J L
iL L L
iu S e
tal I
nfo
rma
tion
l
panec
loak J Sc
ienc
e 2009 323 5912 366
-369 me
tama
ter
ialsy
stems J i
Sci
enc
e 2020 23 8
45 Ma H F Cu
i T J Thr
ee-
dimens
iona
lbr
oadband 101403
r
gound
-pl
ane c
loak made o
f me
tama
ter
ial
s J 59 Cu
iTJ L
iuS ZhangL I
nfo
rma
tion me
tama
ter
ial
s
Na
tur
eCommun
ica
tions 2010 1 21 and me
tasu
rfa
cesJ J
our
nalo
f Ma
ter
ial
sChemi
str
y
46 Sh
in D Ur
zhumov Y Jung Y e
tal Br
oadband C 2017 5 15 3644
-3668
e
lec
tromagne
ticc
loak
ing wi
th sma
rt me
tama
ter
ial
s 60 L
iL L Cu
iT J I
nfo
rma
tion me
tama
ter
ial
s-f
rom
J Na
tur
eCommun
ica
tions 2012 3 1213 e
ffe
cti
ve med
iat
ore
al-
timei
nfo
rma
tion p
roc
ess
ing
47 Er
gin T S
tenge
rN Br
enne
rP e
tal Thr
ee- sy
stemsJ Nanopho
ton
ics 2019 8 5 703
-724
d
imens
iona
linv
isi
bil
ityc
loak a
top
tic
al wave
leng
ths 61 Cu
iT J L
iuS L
iL L I
nfo
rma
tion en
tropy o
f
J Sc
ienc
e 2010 328 5976 337
-339 c
odi
ng me
tasu
rfa
ce J L
igh
t Sc
ienc
e &
48 J
iang W X Cu
i T J Cheng Q e
tal De
sign o
f App
lic
ati
ons 2016 5 11 e
16172
a
rbi
tra
ril
yshapedc
onc
ent
rat
orsba
sedonc
onf
orma
lly 62 L
i J Zhang Y T L
iJ N e
tal Amp
lit
ude
op
tic
alt
rans
forma
tiono
fnonun
ifo
rmr
ati
ona
lB-
spl
ine modu
lat
iono
fanoma
lous
lyr
efl
ect
edt
erahe
rtzbe
ams
su
rfa
cesJ App
liedPhy
sic
sLe
tte
rs 2008 92 26 us
ing a
ll-
opt
ica
lac
tive Pancha
rat
nam-Be
rryc
odi
ng
264101 me
tasu
rfa
cesJ Nano
sca
le 2019 11 12 5746
-
49 La
iY Ng J Chen H e
tal I
llus
ion op
tic
s t
he 5753
op
tic
alt
rans
forma
tiono
fanob
jec
tin
toano
the
rob
jec
t 63 Bao L Ma Q Ba
iG D e
tal De
sign o
fdi
git
al
J Phy
sic
al Re
view Le
tte
rs 2009 102 25 c
odi
ng me
tasu
rfa
ces wi
thi
ndependen
tcon
tro
lso
f
253902 pha
seandamp
lit
uder
espons
esJ App
lied Phy
sic
s
50 J
iang W X Cu
iTJ YangX M e
tal Shr
ink
ingan Le
tte
rs 2018 113 6 063502
a
rbi
tra
ry ob
jec
tas one de
sir
es us
ing me
tama
ter
ial
s 64 WuR Y ZhangL BaoL e
tal Di
git
alme
tasu
rfa
ce
J App
lied Phy
sic
s Le
tte
rs 2011 98 20 wi
thpha
sec
odeandr
efl
ect
ion
-tr
ansmi
ssi
onamp
lit
ude
204101 c
ode f
or f
lex
ibl
e f
ull
-spa
ce e
lec
tromagne
tic
51 Kund
tz N Smi
th D R Ex
treme
-ang
leb
roadband man
ipu
lat
ions J Advanc
ed Op
tic
al Ma
ter
ial
s
me
tama
ter
iall
ens J Na
tur
e Ma
ter
ial
s 2010 9 2019 7 8 1801429
2 129
-132 65 MaQ Sh
iC B Ba
iG D e
tal Be
am-
edi
tingc
odi
ng
52 J
iang W X Qi
uC-W Han T C e
tal Br
oadband me
tasu
rfa
ces ba
sed on po
lar
iza
tion b
it and o
rbi
tal
-
a
ll-
die
lec
tri
c magn
ifi
yng l
ens f
or f
ar-
fie
ld h
igh
- angu
lar
-momen
tum-modeb
itJ Advanc
ed Op
tic
al
r
eso
lut
ionimag
ing J Advanc
ed Ma
ter
ial
s 2013 Ma
ter
ial
s 2017 5 23 1700548

0823004
-15
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

66 Su
iS Ma H Wang J F e
tal Symme
tr-ba
y sed 79 KennedyJ Ebe
rha
rtR C A d
isc
ret
ebi
nar
yve
rsi
on
c
odi
ng me
thod and syn
the
sist
opo
logy op
timi
zat
ion o
fthe pa
rti
cle swa
rm a
lgo
rit
hm C ∥1997 IEEE
de
sign o
f u
ltr
a-wi
deband po
lar
iza
tion c
onve
rsi
on I
nte
rna
tiona
l Con
fer
enc
e on Sy
stems Man and
me
tasu
rfa
cesJ App
liedPhy
sic
sLe
tte
rs 2016 109 Cybe
rne
tic
s Oc
tobe
r 12
-15 1997 Or
lando
1 014104 Ame
ric
a New Yo
rk IEEE 1997 4104
-4108
67 I
qba
lS L
iuS WuR Y e
tal Po
lar
iza
tion
-se
lec
tive 80 Mi
rja
li
li S Lewi
s A S
-shaped ve
rsus V-
shaped
dua
l-band d
igi
talc
odi
ng me
tasu
rfa
cef
orc
ont
rol
sof t
rans
fer f
unc
tions f
or b
ina
ry Pa
rti
cle Swa
rm
t
ransmi
tted wave
sJ J
our
nalo
fPhy
sic
sD App
lied Op
timi
zat
ion J Swa
rm and Evo
lut
iona
ry
Phy
sic
s 2018 51 28 285103 Compu
tat
ion 2013 9 1
-14
68 Di
ng G W Chen K Luo X Y e
tal Dua
l-he
lic
ity 81 Yi
nP Y A d
isc
ret
e pa
rti
cle swa
rm a
lgo
rit
hm f
or
de
coup
ledc
odi
ng me
tasu
rfa
cef
ori
ndependen
tsp
in-
to- op
tima
lpo
lygona
lapp
rox
ima
tiono
fdi
git
alcu
rve
sJ
o
rbi
talangu
lar momen
tum c
onve
rsi
on J Phy
sic
al J
our
nal o
f Vi
sua
l Commun
ica
tion and Image
Re
view App
lied 2019 11 4 044043 Rep
res
ent
ati
on 2004 15 2 241
-260
69 HanJ Q L
i L Yi H e
tal 1
-bi
tdi
git
alo
rbi
tal 82 Zhang Q L
iu C Wan X e
tal Ma
chi
ne-
lea
rni
ng
angu
lar momen
tum vo
rtexbe
am gene
rat
orba
sedona de
signso
fan
iso
trop
icd
igi
talc
odi
ng me
tasu
rfa
cesJ
c
odi
ngr
efl
ect
ive me
tasu
rfa
ceJ Op
tic
al Ma
ter
ial
s Advanc
ed The
ory and S
imu
lat
ions 2019 2 2
Exp
res
s 2018 8 11 3470
-3478 1800132
70 Zheng Q Q L
iY F HanYJ e
tal Ef
fic
ien
tor
bit
al 83 HeK ZhangX RenS e
tal De
epr
esi
dua
lle
arn
ing
angu
lar momen
tum vo
rtex be
am gene
rat
ion by f
orimager
ecogn
iti
on C ∥2016IEEE Con
fer
enc
eon
gene
ral
izedc
odi
ng me
tasu
rfa
ceJ App
lied Phy
sic
s Compu
ter Vi
sionand Pa
tte
rn Re
cogn
iti
on June27
-
A 2019 125 2 1
-5 30 2016 Se
att
le Ame
ric
a New Yo
rk IEEE
71 ZhangL ChenX Q L
iuS e
tal Spa
ce-
time
-cod
ing 2016 770
-778
d
igi
tal me
tasu
rfa
ces J Na
tur
e Commun
ica
tions 84 Qi
uT S Sh
iX WangJF e
tal De
epl
ear
ning a
2018 9 1 4334 r
api
d and e
ffi
cien
trou
tet
o au
toma
tic me
tasu
rfa
ce
72 Cu
iTJ L
iuS Ba
iG D e
tal Di
rec
ttr
ansmi
ssi
on de
sign J Advanc
ed Sc
ienc
e 2019 6 12
o
f d
igi
tal me
ssage v
ia p
rog
rammab
le c
odi
ng 1900128
me
tasu
rfa
ceJ Re
sea
rch 2019 2019 2584509 85 L
iu DJ Tan Y X Kho
ram E e
tal Tr
ain
ingde
ep
73 ZhaoJ YangX Da
iJY e
tal Pr
ogr
ammab
let
ime
- neu
ral ne
two
rks f
or t
he i
nve
rse de
sign o
f
doma
in d
igi
tal
-cod
ing me
tasu
rfa
ce f
or non
-li
nea
r nanopho
ton
ics
truc
tur
esJ ACSPho
ton
ics 2018 5
ha
rmon
ic man
ipu
lat
ion and new wi
rel
ess 4 1365
-1369
c
ommun
ica
tion sy
stems J Na
tiona
l Sc
ienc
e 86 L
iuZC ZhuD Y Rod
rigue
sSP e
tal Gene
rat
ive
Re
view 2019 6 2 231
-238 mode
lfo
rthei
nve
rse de
sign o
f me
tasu
rfa
ces J
74 Shuang Y Zhao H T J
iW e
tal Pr
ogr
ammab
le NanoLe
tte
rs 2018 18 10 6570
-6576
h
igh
-or
der OAM-
car
ryi
ng be
ams f
or d
ire
ct- 87 I
nampud
iS Mo
sal
lae
iH Neu
ral ne
two
rk ba
sed
modu
lat
ion wi
rel
ess c
ommun
ica
tions J IEEE de
signo
f me
tag
rat
ings J App
liedPhy
sic
sLe
tte
rs
J
our
nalon Eme
rgi
ngand Se
lec
ted Top
icsi
nCi
rcu
its 2018 112 24 241102
andSy
stems 2020 10 1 29
-37 88 Wa
ltzR A Mo
ral
es J L No
ceda
lJ e
tal An
75 Zhao H T ShuangY We
iM L e
tal Me
tasu
rfa
ce- i
nte
rio
ral
gor
ithm f
or non
line
ar op
timi
zat
ion t
hat
a
ssi
sted ma
ssi
veba
cks
cat
ter wi
rel
essc
ommun
ica
tion c
omb
ine
sli
ne s
ear
ch and t
rus
treg
ion s
teps J
wi
th c
ommod
ity Wi
-Fi s
igna
ls J Na
tur
e Ma
thema
tic
al Pr
ogr
ammi
ng 2006 107 3 391
-
Commun
ica
tions 2020 11 1 1
-10 408
76 L
iL Cu
iT J J
i W e
tal El
ect
romagne
tic 89 Ma W Cheng F Xu Y H e
tal Pr
obab
ili
sti
c
r
epr
ogr
ammab
lec
odi
ng-me
tasu
rfa
ce ho
log
rams J r
epr
esen
tat
ion and i
nve
rse de
sign o
f me
tama
ter
ial
s
Na
tur
eCommun
ica
tions 2017 8 1 197 ba
sed on a de
ep gene
rat
ive mode
l wi
th s
emi
-
77 L
iL Ruan H L
iuC e
tal Ma
chi
ne-
lea
rni
ng supe
rvi
sedl
ear
nings
tra
tegy J Advanc
ed Ma
ter
ial
s
r
epr
ogr
ammab
le me
tasu
rfa
ce image
r J Na
tur
e 2019 31 35 1901111
Commun
ica
tions 2019 10 1 1082 90 L
inX Ri
vens
onY Ya
rdimc
iN T e
tal Al
l-op
tic
al
78 Zhang Q Wan X L
iu S e
t a
l Shap
ing ma
chi
ne l
ear
ning us
ing d
iff
rac
tive de
ep neu
ral
e
lec
tromagne
tic wave
s us
ing s
oftwa
re-
aut
oma
tic
all
y- ne
two
rksJ Sc
ienc
e 2018 361 6406 1004
-1008
de
signed me
tasu
rfa
cesJ Sc
ien
tif
ic Repo
rts 2017 91 HwangC Y Kim G H YangJH e
tal Rewr
itab
le
7 3588 f
ull
-co
lorc
ompu
ter
-gene
rat
ed ho
log
rams ba
sed on

0823004
-16
 特邀综述 第 41 卷 第 8 期/2021 年 4 月/光学学报

c
olo
r-s
ele
cti
ve d
iff
rac
tive op
tic
al c
omponen
ts 2012 11 5 450
-454
i
ncl
udi
ng pha
se-
change ma
ter
ial
s J Nano
sca
le 95 L
iL L Shuang Y Ma Q e
tal I
nte
ll
igen
t
2018 10 46 21648
-21655 me
tasu
rfa
ce image
r and r
ecogn
ize
r J L
igh
t
92 Kho
ram E Chen A L
iu DJ e
tal Nanopho
ton
ic Sc
ienc
e & App
lic
ati
ons 2019 8 97
med
iaf
ora
rti
fic
ial neu
rali
nfe
renc
e J Pho
ton
ics 96 L
i H Y Zhao H T We
iM L e
tal I
nte
ll
igen
t
Re
sea
rch 2019 7 8 823
-827 e
lec
tromagne
tic s
ens
ing wi
th l
ear
nab
le da
ta
93 Ku
lka
rni K Tu
raga P Re
cons
truc
tion
-fr
eea
cti
on a
cqu
isi
tionandp
roc
ess
ing J Pa
tte
rns 2020 1 1
i
nfe
renc
efr
om c
omp
res
sive image
rs J IEEE 100006
Tr
ans
act
ions on Pa
tte
rn Ana
lys
is and Ma
chi
ne 97 MaQ Ba
iG D J
ing H B e
tal Sma
rtme
tasu
rfa
ce
I
nte
ll
igenc
e 2016 38 4 772
-784 wi
ths
elf
-adap
tive
lyr
epr
ogr
ammab
lef
unc
tions J
94 La
rouche S Ts
ai Y J Ty
lerT e
tal I
nfr
ared L
igh
t Sc
ienc
e & App
lic
ati
ons 2019 8 98
me
tama
ter
ialpha
seho
log
ramsJ Na
tur
e Ma
ter
ial
s

0823004
-17