Small：人工智能打破超材料中復雜性和光譜吸收之間的矛盾

論文信息：

Sijia Niu, Xiaoming Liu, Chenchong Wang, Wangzhong Mu, Wei Xu, and Qiang Wang,Breaking the Trade-Off Between Complexity and Absorbing Performance in Metamaterials Through Intelligent Design, Small, 21, 24 (2025).

論文鏈接：
https://doi.org/10.1002/smll.202502828

研究背景

光譜選擇性吸收器因其在電磁隱身技術(shù)、太陽能光伏和相關(guān)應用中的關(guān)鍵作用而在不同領(lǐng)域引起了廣泛關(guān)注。然而，增強吸收性能通常需要增加超材料圖案層的復雜性。這在應用中引入了一個悖論，即結(jié)構(gòu)圖案化的復雜性增加與制造工藝產(chǎn)生不利影響，從而加劇了由于制造限制而面臨的實際適用性挑戰(zhàn)。因此，本研究利用了一種將人工智能(AI)與有限元仿真相結(jié)合的設(shè)計方法。這種方法推動了基于簡單仿生超材料結(jié)構(gòu)的寬帶選擇性吸收的實現(xiàn)，在不增加結(jié)構(gòu)復雜性或降低制造效率的情況下實現(xiàn)寬帶吸收。

研究內(nèi)容

在這項研究中，受撒哈拉銀蟻仿生結(jié)構(gòu)的啟發(fā)，成功開發(fā)了一種將AI與有限元模擬相結(jié)合的新方法。這種方法有助于廣泛而快速地探索超材料的各種結(jié)構(gòu)參數(shù)替代方案，從而能夠?qū)撛诘脑O(shè)計方案進行大量快速研究。這種創(chuàng)新方法打破了傳統(tǒng)的設(shè)計原則，即使超材料結(jié)構(gòu)復雜化以增強寬帶選擇性吸收。由AI驅(qū)動的模擬表明，基于本研究中產(chǎn)生的簡單結(jié)構(gòu)的超材料在5-8μm波段表現(xiàn)出顯著的寬帶吸收，平均吸收率超過0.9。此外，這些材料對入射角和極化的變化表現(xiàn)出很大的耐受性。通過電子束光刻技術(shù)成功制備的超材料顯示出廣闊的潛力，特別是在光譜選擇性熱輻射、熱管理和熱偽裝等應用中。

為了實現(xiàn)在所需光譜條件下尺寸參數(shù)的自動和高效優(yōu)化，本研究采用了人工智能方法。AI設(shè)計的框架如圖1d所示。它包括三個基本組成部分：數(shù)據(jù)集構(gòu)建、前向性能預測和后向優(yōu)化設(shè)計。

圖1.研究概述。a)撒哈拉銀蟻毛發(fā)的微觀結(jié)構(gòu)和SEM圖像。b)三層仿生超材料的示意圖，c)所設(shè)計的超材料的模擬吸收光譜，插圖說明了基本結(jié)構(gòu)單元和參數(shù)，d)用于在超材料中逆向生成優(yōu)化結(jié)構(gòu)參數(shù)的基于AI的方法的示意圖。

由于對大量潛在參數(shù)組合進行了廣泛的搜索，采用了一種遺傳算法，該算法以其在復雜函數(shù)中的卓越收斂和優(yōu)化能力而聞名。這種方法通過將遺傳算法與吸收率預測模型協(xié)同作用，促進實現(xiàn)最佳設(shè)計。通過遺傳算法進行優(yōu)化后，在5代模型產(chǎn)生的150個最終一代個體中確定了22個優(yōu)質(zhì)候選者。圖1c 顯示了優(yōu)化后的仿生超材料設(shè)計的模擬吸收光譜，在44THz處的峰值吸收率為0.99，并在5-8μm范圍內(nèi)保持平均吸收率高于0.9。

本文提出的仿生超材料結(jié)構(gòu)通過避免特定的垂直或水平對齊來簡化這一過程，從而簡化了吸收機制。為了進一步闡明潛在的吸收機制，作者采用了有限元方法對結(jié)構(gòu)內(nèi)的電場和磁場分布進行了全面分析。仿真結(jié)果揭示了磁場分布與傳播和局部表面等離子體共振模式一致。這些發(fā)現(xiàn)強調(diào)了仿生超材料通過這些共振模式促進吸收的能力。此外，Ti在中紅外波段內(nèi)的巨大損耗特性顯著降低了系統(tǒng)在設(shè)定諧振頻率下的品質(zhì)因數(shù)，從而增強了寬帶吸收能力。

然后對設(shè)計的仿生超材料的靈敏度進行評估，模擬了TE和TM波入射的各種入射角和頻率的吸收光譜，如圖 2b、c 所示。通過模擬仿生超材料在TE和TM極化下的吸收曲線，進一步說明了這一屬性，如圖 2d，e 所示。隨著偏振角的增加，吸收光譜保持不變，與我們的預期一致，并證實了仿生超材料的偏振不敏感。

圖2.吸收機理和電磁特性分析。a)仿生超材料的吸收機制，描繪了在37、44和60THz頻率下沿x-y平面和x-z平面的相應電場分布、磁場分布、電流密度分布和磁損耗分布，b)不同入射角(θ)的TE模式下的超材料吸收特性，c)不同入射角的TM模式下的超材料吸收特性，d)TE極化中的仿生超材料吸收特性，隨偏振角(φ)而變化，以及e)不同偏振角(φ)的TM極化中的仿生超材料吸收特性。

研究人員依據(jù)超材料的模擬吸收光譜，運用微納制造技術(shù)制備了經(jīng)AI優(yōu)化設(shè)計的仿生超材料，并開展了詳細實驗驗證。制備過程包括在磁控濺射沉積的薄膜上方頂層圖案進行光刻等步驟，且該結(jié)構(gòu)能容忍一定制造誤差，還可能適用于其他可擴展納米制造技術(shù)。掃描電子顯微鏡圖像顯示制備出的仿生超材料具有均勻周期性仿生圖案，尺寸與AI設(shè)計輸出接近。實驗測量與有限元模擬的吸收光譜高度吻合，均方誤差為0.012（圖3c)，驗證了設(shè)計框架的可靠性，超材料在37.5-60THz非大氣窗口范圍內(nèi)保持平均吸收率高于0.86，強調(diào)了其卓越的輻射散熱能力。通過與無頂層圖案的Ti-Ge-Ti三層膜對比，確認吸收增強源于表面等離子體共振。此外，與理想黑體的光譜輻射度比較及紅外熱成像實驗，均表明該仿生超材料具有良好的熱發(fā)射和輻射冷卻性能，且實驗與模擬結(jié)果的一致性增強了模擬結(jié)果的可靠性。

圖3.超材料的制造和電磁性能測試。a)利用磁控濺射和電子束光刻技術(shù)的仿生超材料結(jié)構(gòu)的制造過程示意圖，b)制造的仿生超材料的俯視圖和橫截面掃描電子顯微照片，c)仿生超材料的模擬吸收光譜（虛線)和測量吸收光譜（實線)和對照，d)紅外相機樣品測試裝置的示意圖，e)不同平衡溫度下仿生超材料和參比的紅外熱圖像。

為確定最優(yōu)模型，研究評估了五種機器學習算法，其中隨機森林(RF)算法性能優(yōu)異，測試集的決定系數(shù)(R2)為0.998，平均絕對誤差(MAE)為0.008（如圖4a、b），且多種算法均表現(xiàn)出良好預測性能，說明機器學習方法與超材料系統(tǒng)兼容性強。通過對比RF模型預測光譜與模擬光譜，證實了其高預測準確性，能有效表征超材料光譜屬性。與傳統(tǒng)設(shè)計方法相比，AI驅(qū)動設(shè)計通過結(jié)合遺傳算法和預測模型，顯著簡化流程，大幅提高計算效率，在多波段兼容超材料設(shè)計中優(yōu)勢明顯，還能適應不同波長范圍的優(yōu)化目標，但在實現(xiàn)廣泛分離光譜波段兼容性方面存在挑戰(zhàn)?？傮w而言，基于AI的方法有效提高了光譜選擇性超材料的預測準確性和設(shè)計效率，加速了該領(lǐng)域創(chuàng)新。

圖4.AI方法分析的預測準確性和效率。a)平均R2值和b)不同機器學習算法在訓練和測試數(shù)據(jù)集上的平均MAE值，c)射頻模型隨機劃分十次時測試集的平均預測結(jié)果，插圖顯示訓練集的平均預測結(jié)果，d)射頻模型的預測性能評估，選擇四組參數(shù)來展示生成和模擬的反射光譜，e)傳統(tǒng)設(shè)計流程圖與AI設(shè)計流程比較圖，f)AI預測與不同網(wǎng)格細化程度的有限元仿真預測的時間比較，g)基于傳統(tǒng)有限元仿真和AI的單組吸收光譜所花費的時間百分比。

結(jié)論與展望

本文提出了一種高度遷移和高效的超材料設(shè)計方法。這種方法通過簡化的仿生超材料結(jié)構(gòu)實現(xiàn)寬帶選擇性吸收，從而顛覆了通過增加超材料結(jié)構(gòu)復雜性和犧牲加工效率來實現(xiàn)寬帶選擇性吸收的傳統(tǒng)設(shè)計思維。我們的方法已成功在與輻射冷卻兼容的紅外隱形超材料的成功設(shè)計和開發(fā)中得到驗證。利用人工智能，對超材料進行了優(yōu)化，以實現(xiàn)5-8μm波段的寬帶吸收，平均吸收率超過0.9，峰值為0.98。此外，這些超材料的吸收率在0°到70°的入射角范圍內(nèi)始終保持在0.7以上，對極化不敏感。此外，在紅外成像下，仿生超材料的最高表觀溫度顯著降低了44.1°C。這種受撒哈拉銀螞蟻啟發(fā)的寬帶選擇性吸收材料顯示出重要的應用價值，特別是在紅外偽裝和光譜選擇性熱輻射等領(lǐng)域。它還體現(xiàn)了一種利用自然啟發(fā)的見解的新方法?？傊@項工作標志著超材料設(shè)計策略的關(guān)鍵進步，說明了簡單性和功能性的融合。它為探索在這些領(lǐng)域中提高效率和更廣泛的適用性鋪平了新的道路。