文献前沿丨ACS Appl. Mater. Interfaces：基于多模态深度学习方法的可制造红外超表面逆向设计

红外隐身技术对现代军事装备的战场生存能力至关重要，其核心在于精确调控目标表面的红外辐射特性。传统方法要求在大气窗口（3–5 μm和8–14 μm）保持低发射率以实现隐身，同时在非大气窗口（5–8 μm）维持高发射率以促进散热，但这一矛盾需求难以通过经验设计解决。超表面凭借亚波长结构对光场的灵活调控能力，为红外辐射的主动控制提供了新途径。神经网络作为一种有效的超表面逆向设计方法，在光子学结构逆设计方面取得了显著进展，但高维参数空间固有的复杂性以及结构参数与光学响应之间的非线性映射仍然是复杂光子学系统按需设计的主要挑战。为了解决上述问题，该论文提出了一种多模态神经网络框架用于复合材料周期性微结构的反设计，该框架可以根据目标谱生成不同模态的设计结果，具有满足设计要求的灵活性，有效地解决了逆向设计问题，速度比传统方法快几个数量级。相关研究成果以Inverse Design of Manufacturable Infrared Metasurfaces Based on Multimodal Deep Learning Methods.为题发表在ACS Applied Materials & Interfaces期刊上。

本文针对红外隐身装备的散热需求，提出一种基于多模态深度学习的逆向设计方法。研究设计了如图1所示的复合周期微结构（四晶胞共享周期，每晶胞含双MIM堆叠），可在3-14 μm波段灵活调控光谱。利用生成-进化网络框架（图2a-b），该工作实现了高效逆设计：生成网络为目标光谱提供多样化候选方案（图3），进化网络优化后输出窄带、复合带及宽带吸收结构（图4）。基于红外隐身需求（大气窗口低发射率、非窗口高发射率），网络生成三种可行方案（图5），并选择易制备的单周期圆盘结构（图6）进行实验。制备样品实测光谱（图7）显示：5–8 μm波段平均发射率0.674（有效散热），3–5 μm/8–14 μm波段分别为0.136/0.107，红外热像图（图8f）证实其表面温度（42.6℃）显著低于硅片（51.3℃）和银膜（46.9℃）。SEM（图8a-c）与材料光学常数分析（图8d-e）揭示了制备偏差对性能的影响。

图1：复合周期微结构示意图。该微结构由四个共享相同周期的晶胞组成，每个晶胞在垂直方向上包含两组金属-绝缘体-金属（MIM）结构。通过激发特定的电磁效应，该结构能够实现对特定频率电磁波的选择性吸收，从而产生不同的辐射光谱。

图2：网络架构。(a)生成-进化网络的整体架构由两个级联的变分自编码器组成，每个VAE包含一个编码器、一个潜在空间和一个解码器。(b)生成网络包含一个基于长短期记忆（LSTM）的序列提取模块，用于捕获光谱序列信息；同时，参数信息被嵌入到经过下采样的几何信息中，形成一个多特征提取模块。带有光谱信息的潜在变量在多特征重建模块中被拼接，并在该模块中应用感知损失以改进几何重建。潜在空间由从两个不同的高斯分布中采样的变量构建而成。

图3：生成网络的设计结果。(a)从测试集中随机选取了三组具有不同数量吸收峰的光谱曲线，每组光谱对应不同的几何形状和参数配置。(b)生成网络为每组目标光谱提供了三种设计可能性，不同备选方案的模拟光谱用彩色曲线表示，设计方案的详细配置信息在右侧给出。尽管设计方案与原始方案之间存在显著差异，但模拟光谱能够合理地接近目标光谱。

图4：生成-进化框架对三组目标光谱的逆向设计结果。图中红线代表理想目标光谱，黑线代表根据网络设计方案获得的模拟光谱。(a)目标光谱是一个宽度为1 μm的窄带吸收峰。(b)目标光谱是一个宽度为2 μm的复合吸收峰。(c)目标光谱是一个宽度为8 μm的宽带吸收峰。

图5：由生成-进化网络设计的三组红外隐身超表面方案。这三种设计方案采用了不同结构图案和材料，但都能在非大气窗口波段提供红外隐身和散热功能。(a)第一组设计方案为圆形结构，周期较小且制备困难。(b)第二组设计方案为圆盘形结构，周期较大且便于制备。(c)第三组设计方案为十字形结构，且单元尺寸不均一。

图6：(a)单周期圆盘复合微结构示意图。(b)俯视图。(c)截面图。

图7：模拟光谱（黑色）在3−5 μm和8−14 μm波段具有低发射率，有利于实现红外隐身效果，并在5−8 μm波段能够进行红外辐射散热。测量光谱（红色）与模拟光谱趋势一致，但其在5−8 μm波段的散热性能低于模拟结果。

图8：超表面的扫描电子显微镜（SEM）图像：（a）斜视图，（B）横截面图，和（c）俯视图。折射率n和消光系数k的比较，这些折射率n和消光系数k来自参考并通过椭圆偏振仪测量：（d）Ag和（e）MgF2。(f)由热像仪拍摄的放置在50℃热板上的硅片、银膜及所制备超表面的长波红外图像。

小结：综上所述，为解决红外隐身技术中散热与隐身的矛盾需求，本研究提出一种多模态深度学习框架，用于可制造红外超构表面的逆向设计。该框架通过级联的生成-进化网络，结合光谱序列特征提取与参数嵌入模块，实现从目标光谱到微结构的高效映射。针对非大气窗口散热与大气窗口隐身的应用场景，网络生成多种候选设计，实验制备的样品在非大气窗口内实现平均发射率0.674，同时保持大气窗口低发射率（ε3–5μm=0.136, ε8–14μm=0.107）。论文提出了红外隐身效率指数（ISEI=0.592）量化性能，并通过闭环制造策略优化制备误差。该方法将逆向设计速度提升数个量级，弥合了仿真与实验的差距，为复杂光子器件逆向设计提供了新范式。

论文信息：Q. Lin, C. Li, J. Chen and Y. Han. Inverse design of manufacturable infrared metasurfaces based on multimodal deep learning methods[J]. ACS Applied Materials & Interfaces, 2025, https://doi.org/10.1021/acsami.5c07116.

都看到这里了，关注一下吧^_^

声明：本文部分素材源自网络，版权归原作者所有。分享旨在促进信息传递与学术交流，不代表本公众号立场，如有不当，请联系我们处理。欢迎从事【太阳能综合利用/辐射制冷/微纳尺度传热】等相关领域学者分享您最新的研究工作，我们将竭诚为您免费推送，投稿邮箱：SpaceEnergy@163.com.