視覺圖像驅(qū)動(dòng)：多模型協(xié)同實(shí)現(xiàn)超表面智能逆設(shè)計(jì)

原文發(fā)表于《科技導(dǎo)報(bào)》2026 年第 9期《視覺圖像驅(qū)動(dòng)的多模型協(xié)同超表面逆設(shè)計(jì)方法》

隨著超表面在電磁波精確調(diào)控領(lǐng)域的快速發(fā)展，復(fù)雜功能器件的高效、自動(dòng)化設(shè)計(jì)已成為當(dāng)前研究的核心挑戰(zhàn)?！犊萍紝?dǎo)報(bào)》邀請(qǐng)北京理工大學(xué)集成電路與電子學(xué)院、臨近空間環(huán)境特性及效應(yīng)全國(guó)重點(diǎn)實(shí)驗(yàn)室、北京理工大學(xué)唐山研究院、毫米波全國(guó)重點(diǎn)實(shí)驗(yàn)室、深圳北理莫斯科大學(xué)工程系司黎明教授團(tuán)隊(duì)撰寫文章，提出了一種視覺圖像驅(qū)動(dòng)的多模型協(xié)同超表面逆設(shè)計(jì)方法，以視覺圖像作為輸入，實(shí)現(xiàn)電磁超表面陣列結(jié)構(gòu)的自動(dòng)生成。該方法采用多模型協(xié)同的策略，構(gòu)建了從圖像特征到物理結(jié)構(gòu)參數(shù)的端到端映射框架，為圖像驅(qū)動(dòng)的智能超表面逆設(shè)計(jì)提供了一種高效、自動(dòng)化的新方法，對(duì)復(fù)雜電磁功能器件的快速設(shè)計(jì)具有重要參考價(jià)值。

電磁超材料作為一種由人工結(jié)構(gòu)單元按特定空間序構(gòu)排列而成的功能性人工材料，其物理特性主要取決于單元的幾何形態(tài)、周期排列方式及構(gòu)成材料參數(shù)。通過對(duì)這些結(jié)構(gòu)特征的精確設(shè)計(jì)，超材料能夠展現(xiàn)出天然材料所不具備的特殊物理性質(zhì)，從而突破自然界材料的物理響應(yīng)限制。目前，電磁超材料已在寬帶通信系統(tǒng)、雷達(dá)隱身技術(shù)、可重構(gòu)波束成形，以及高分辨率成像探測(cè)等關(guān)鍵領(lǐng)域展現(xiàn)出巨大的應(yīng)用潛力。然而，隨著現(xiàn)代電磁系統(tǒng)對(duì)高性能、輕量化及動(dòng)態(tài)可編程特性的需求日益迫切，如何實(shí)現(xiàn)滿足特定復(fù)雜功能需求的超表面陣列精準(zhǔn)設(shè)計(jì)已成為制約該領(lǐng)域發(fā)展的核心挑戰(zhàn)。

近年來，人工智能（AI）技術(shù)，特別是深度學(xué)習(xí)與生成式模型在圖像理解、語義編碼、結(jié)構(gòu)生成與復(fù)雜非線性映射學(xué)習(xí)方面取得顯著進(jìn)展，為超材料逆設(shè)計(jì)提供了新路徑。深度學(xué)習(xí)與物理原理的深度融合顯著提升了反演問題求解的保真度，而跨域生成技術(shù)的進(jìn)步則為異構(gòu)模態(tài)間的數(shù)據(jù)轉(zhuǎn)換提供了穩(wěn)健的支撐。但是，將這種分階段處理的策略應(yīng)用于視覺驅(qū)動(dòng)的超表面逆設(shè)計(jì)的研究還處于起步階段，如何克服從直觀視覺圖像到微觀電磁結(jié)構(gòu)之間巨大的信息鴻溝，并解決因缺乏有效中間過渡步驟而導(dǎo)致的相位預(yù)測(cè)失真及結(jié)構(gòu)不可制造的問題還有待深入研究。

我們的研究提出一種由視覺圖像驅(qū)動(dòng)的多模型協(xié)同超表面逆設(shè)計(jì)框架。該框架創(chuàng)新性地引入中間態(tài)全息圖像作為物理約束的橋梁，利用條件生成對(duì)抗網(wǎng)絡(luò)（Pix2Pix）實(shí)現(xiàn)從視覺特征到干涉圖像的跨域映射，從而建立圖像語義與電磁物理場(chǎng)之間的初步關(guān)聯(lián)。該方法有機(jī)融合了生成模型的跨域圖像映射能力、多尺度網(wǎng)絡(luò)的高精度相位重建能力，以及潛空間模型的結(jié)構(gòu)表征與采樣優(yōu)勢(shì)，實(shí)現(xiàn)了超表面陣面的全自動(dòng)化逆設(shè)計(jì)。

01

多模型協(xié)同AI模型逆設(shè)計(jì)方法

圖1全面展示了多模型協(xié)同AI賦能全息超表面逆設(shè)計(jì)方法的總體架構(gòu)。該框架以原始視覺圖像為起始輸入，通過多模型間的深度協(xié)同，實(shí)現(xiàn)了從圖像抽象特征到超表面具體物理結(jié)構(gòu)的端到端映射。該網(wǎng)絡(luò)通過對(duì)海量圖像–全息紋理配對(duì)樣本的對(duì)抗性訓(xùn)練，能夠精準(zhǔn)捕捉原始目標(biāo)的邊緣細(xì)節(jié)、紋理走向及全局拓?fù)潢P(guān)系。這種基于生成對(duì)抗的思想不僅提升了全息圖的圖像逼真度，而且為后續(xù)的相位恢復(fù)任務(wù)奠定了具備物理合理性的數(shù)據(jù)基礎(chǔ)。這一設(shè)計(jì)貫通了從視覺輸入到物理輸出的完整設(shè)計(jì)鏈路，在實(shí)現(xiàn)高保真成像的同時(shí)，顯著提升了全息超表面設(shè)計(jì)的自動(dòng)化水平與工程實(shí)用性。

圖1 多模型協(xié)同AI網(wǎng)絡(luò)全息超表面逆設(shè)計(jì)示意

1.1 條件生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)跨域生成

二維平面圖像的空間強(qiáng)度分布與電磁波前相位分布之間存在內(nèi)在的數(shù)學(xué)物理關(guān)聯(lián)。然而，從視覺圖像直接映射到電磁相位面臨非線性復(fù)雜度高、逆問題非適定等挑戰(zhàn)。為此，我們的研究創(chuàng)新性地引入中間態(tài)全息紋理作為物理橋梁，全息紋理既保留了原始視覺特征的拓?fù)湫畔ⅲ痔N(yùn)含衍射過程的干涉物理特征。圖2展示了以輸入圖像為例，經(jīng)Pix2Pix生成全息圖像的流程。

圖2 Pix2Pix網(wǎng)絡(luò)模型結(jié)構(gòu)與結(jié)果

為了訓(xùn)練Pix2Pix網(wǎng)絡(luò)將視覺圖像映射為全息衍射圖，需要構(gòu)建高質(zhì)量的圖像?全息圖配對(duì)數(shù)據(jù)集。訓(xùn)練集的生成基于Gerchberg?Saxton相位迭代算法（GS），該算法通過在輸入圖像域和輸出衍射域之間迭代計(jì)算，實(shí)現(xiàn)目標(biāo)圖像強(qiáng)度的精確重建。

在訓(xùn)練集構(gòu)建過程中，每張目標(biāo)圖像初始相位設(shè)為隨機(jī)分布。每次迭代后，系統(tǒng)通過計(jì)算200 mm處衍射重構(gòu)圖像與目標(biāo)圖像的相似度指標(biāo)來判斷重建效果。如果相似度在連續(xù)10次迭代中未能進(jìn)一步提升，即認(rèn)為迭代達(dá)到收斂狀態(tài)，停止計(jì)算并保存最終生成的100×100像素電磁全息圖及其對(duì)應(yīng)的相位排布結(jié)果。這種策略確保了訓(xùn)練集中的每一對(duì)樣本均經(jīng)過充分優(yōu)化，為后續(xù)Pix2Pix網(wǎng)絡(luò)的監(jiān)督訓(xùn)練提供了具備物理真實(shí)性的輸入。

在模型訓(xùn)練階段，我們的研究利用預(yù)先構(gòu)建的1萬對(duì)視覺圖像與電磁全息配對(duì)樣本，對(duì)Pix2Pix網(wǎng)絡(luò)進(jìn)行了1000個(gè)Epoch的深度迭代優(yōu)化。訓(xùn)練過程中生成器與判別器的損失收斂曲線如圖2（b）~（c）所示，直觀記錄了模型從特征摸索到映射建立的學(xué)習(xí)軌跡。圖2（b）顯示隨著網(wǎng)絡(luò)對(duì)全息紋理細(xì)節(jié)捕捉能力的增強(qiáng)，損失值在經(jīng)歷動(dòng)態(tài)博弈后逐漸趨于平穩(wěn)，最終穩(wěn)定在0.626左右。與此同時(shí)，圖2（c）中的判別器損失在前期劇烈波動(dòng)后迅速下降并收斂至4.5×10?4，表明判別器已難以區(qū)分生成的全息圖與真實(shí)物理樣本。這種生成對(duì)抗損失的協(xié)同收斂，有力證明了模型在訓(xùn)練中達(dá)到了理想的納什平衡狀態(tài)，確保了輸出結(jié)果能夠精準(zhǔn)遵循電磁干涉的物理分布。這一訓(xùn)練成果充分驗(yàn)證了研究提出的多模型協(xié)同AI網(wǎng)絡(luò)在處理電磁逆設(shè)計(jì)任務(wù)時(shí)，具備極高的收斂效率與強(qiáng)大的特征表征能力。

1.2 U?Net網(wǎng)絡(luò)實(shí)現(xiàn)全息相位映射

在Pix2Pix網(wǎng)絡(luò)生成高保真全息圖像后，我們的研究構(gòu)建基于U?Net架構(gòu)的回歸網(wǎng)絡(luò)，用于實(shí)現(xiàn)從全息強(qiáng)度分布到空間相位信息的預(yù)測(cè)。如圖3（a）所示，該網(wǎng)絡(luò)采用對(duì)稱的編碼器–解碼器結(jié)構(gòu)。如圖3（b）所示，隨著迭代的深入，網(wǎng)絡(luò)展現(xiàn)出卓越的收斂特性與泛化能力。結(jié)果表明，該U?Net回歸網(wǎng)絡(luò)能夠建立全息紋理與相位分布之間的非線性映射，并在保持相位空間連續(xù)性的同時(shí)，為后續(xù)VAE單元結(jié)構(gòu)生成提供可靠輸入。

圖3 U?Net網(wǎng)絡(luò)模型結(jié)構(gòu)

1.3 VAE網(wǎng)絡(luò)實(shí)現(xiàn)單元逆設(shè)計(jì)

在U?Net輸出的相位矩陣基礎(chǔ)上，我們的研究引入VAE實(shí)現(xiàn)單元結(jié)構(gòu)的逆向生成，將相位需求精準(zhǔn)映射為可制造的幾何參數(shù)（圖4）。如圖4（a）所示，VAE通過編碼器將輸入的二維相位塊映射至潛在空間。如圖4（b）所示，模型展現(xiàn)了良好的收斂特征。為直觀展示VAE模型對(duì)超表面單元結(jié)構(gòu)的生成能力，圖4（c）給出了模型逆設(shè)計(jì)的12個(gè)示例單元的相位與幅度分布。這證明了VAE模型不僅能夠在潛空間中精準(zhǔn)捕獲復(fù)雜的物理約束，實(shí)現(xiàn)相位到幾何結(jié)構(gòu)的端到端逆向映射，還能確保生成單元在全相位覆蓋范圍內(nèi)具有高度的幅相一致性。

圖4 VAE網(wǎng)絡(luò)模型理論與結(jié)構(gòu)

02

全息超表面實(shí)驗(yàn)結(jié)果

圖5給出了數(shù)字“19”和“40”的端到端逆設(shè)計(jì)可視化結(jié)果，用于驗(yàn)證本研究多模型協(xié)同AI網(wǎng)絡(luò)在不同目標(biāo)圖像上的可遷移性與穩(wěn)定性?？傮w而言，圖5的2組結(jié)果共同說明：該分階段逆設(shè)計(jì)流程能夠在保證結(jié)構(gòu)可實(shí)現(xiàn)性的前提下，實(shí)現(xiàn)目標(biāo)圖像到超表面陣列的一致映射，并在典型數(shù)字圖案上獲得良好的重構(gòu)質(zhì)量與背景抑制能力。

圖5 數(shù)字“19”和“40”的全息重構(gòu)結(jié)果與超表面設(shè)計(jì)結(jié)果

圖6對(duì)比展示了不同網(wǎng)絡(luò)架構(gòu)在數(shù)字（“19”“40”）、字母（“B”“I”“T”），以及復(fù)雜圖形（如?；眨┥系娜⒎抡娼Y(jié)果。多模型協(xié)同AI網(wǎng)絡(luò)通過更有效的特征編碼與解碼約束，提升了對(duì)“目標(biāo)形狀保持”和“背景雜波抑制”2類矛盾指標(biāo)的兼顧能力，從而獲得更高的視覺可辨識(shí)度與更穩(wěn)定的重構(gòu)質(zhì)量。

圖6 多模型協(xié)同AI網(wǎng)絡(luò)方法、GS算法與傳統(tǒng)卷積網(wǎng)絡(luò)的仿真結(jié)果比較

為了定量評(píng)價(jià)重構(gòu)圖像與標(biāo)準(zhǔn)基準(zhǔn)圖像在全局強(qiáng)度分布上的一致性，我們的研究采用皮爾遜相關(guān)系數(shù)（PCC）作為核心評(píng)價(jià)指標(biāo)。PCC通過衡量像素強(qiáng)度的線性相關(guān)程度反映重構(gòu)圖對(duì)目標(biāo)整體形態(tài)與能量分布的保持能力；當(dāng)背景雜波較強(qiáng)或目標(biāo)能量外泄時(shí)，相關(guān)性會(huì)顯著下降。結(jié)果與視覺對(duì)比一致：多模型協(xié)同AI網(wǎng)絡(luò)在不同類型目標(biāo)（高對(duì)比數(shù)字、細(xì)筆畫字母與復(fù)雜輪廓圖形）上均表現(xiàn)出更強(qiáng)的魯棒性與一致性，說明其不僅提升局部結(jié)構(gòu)保真度，也顯著改善了全局能量映射的準(zhǔn)確性，從而驗(yàn)證了研究方法在電磁全息重構(gòu)任務(wù)中的有效性。

03

我們的研究相比傳統(tǒng)電磁超表面逆設(shè)計(jì)方法與現(xiàn)有單一深度學(xué)習(xí)網(wǎng)絡(luò)具有顯著的創(chuàng)新性。分階段混合AI模型框架通過Pix2Pix、U?Net和VAE的協(xié)同作用，首次系統(tǒng)性地建立了從視覺圖像語義特征至可制造幾何結(jié)構(gòu)的完整映射鏈路，有效克服了傳統(tǒng)端到端映射在處理電磁強(qiáng)非線性問題時(shí)的收斂困難。與傳統(tǒng)物理仿真方法相比，該方法將設(shè)計(jì)周期從數(shù)小時(shí)的全波電磁仿真縮短至實(shí)時(shí)反演，設(shè)計(jì)自動(dòng)化程度顯著提升。

盡管本研究主要驗(yàn)證了10 GHz線極化、單一頻點(diǎn)的全息成像，但該方法的核心框架具有顯著的普適性，其理論基礎(chǔ)支持拓展至更廣泛的超表面功能器件。第一，方法的頻率可擴(kuò)展性源于相位?結(jié)構(gòu)映射的頻率獨(dú)立性，可通過遷移學(xué)習(xí)實(shí)現(xiàn)。第二，極化維度的拓展基于相位調(diào)控的自由度獨(dú)立性，可通過增加結(jié)構(gòu)維度實(shí)現(xiàn)。第三，無論是全息成像、波束賦形、偏振轉(zhuǎn)換還是各向異性調(diào)控，一般超表面功能本質(zhì)上可統(tǒng)一描述為：根據(jù)空間位置（x,y）性能來設(shè)置局部相位Φ（x,y）以及幅度A(x,y)。構(gòu)建的Pix2Pix、U?Net和VAE映射框架是一個(gè)與具體功能無關(guān)的通用特征轉(zhuǎn)換器，只要為不同功能器件重新生成相應(yīng)的標(biāo)準(zhǔn)相位標(biāo)簽，該框架就可直接遷移，證明了多模型協(xié)同AI超表面設(shè)計(jì)方法的普適性。

04

結(jié)論

我們的研究提出了一種基于多模型協(xié)同AI模型的全息超表面逆設(shè)計(jì)方法，實(shí)現(xiàn)了由視覺圖像輸入到離散六邊形單元陣列結(jié)構(gòu)生成的自動(dòng)化映射流程。該方法采用多模型協(xié)同框架，依次利用Pix2Pix、U?Net與VAE完成電磁全息紋理轉(zhuǎn)換、相位分布預(yù)測(cè)及幾何參數(shù)生成，有效打通了圖像語義與復(fù)雜物理結(jié)構(gòu)之間的映射鏈路。結(jié)果表明，分階段逆設(shè)計(jì)策略顯著降低了端到端學(xué)習(xí)難度，在復(fù)雜字符與紋理成像任務(wù)中表現(xiàn)出優(yōu)異的穩(wěn)定性與魯棒性。該高度自動(dòng)化的設(shè)計(jì)方法在保證物理可實(shí)現(xiàn)性的同時(shí)顯著縮短了設(shè)計(jì)周期，為圖像驅(qū)動(dòng)的智能超表面及大規(guī)模可編程電磁器件設(shè)計(jì)提供了一種高效的新設(shè)計(jì)思路。

本文作者：司黎明、牛榮、黨晨陽、王釗睿、馬天宇、李琰、朱衛(wèi)仁、孫厚軍

作者簡(jiǎn)介：司黎明，北京理工大學(xué)集成電路與電子學(xué)院、臨近空間環(huán)境特性及效應(yīng)全國(guó)重點(diǎn)實(shí)驗(yàn)室、北京理工大學(xué)唐山研究院、毫米波全國(guó)重點(diǎn)實(shí)驗(yàn)室、深圳北理莫斯科大學(xué)工程系，教授，研究方向?yàn)殡姶艌?chǎng)與微波技術(shù)。

文章來 源 ： 司黎明, 牛榮, 黨晨陽, 等. 視覺圖像驅(qū)動(dòng)的多模型協(xié)同超表面逆設(shè)計(jì)方法[J]. 科技導(dǎo)報(bào), 2026, 44(9): 88?97.

文章轉(zhuǎn)載自“科技導(dǎo)報(bào)”公眾號(hào)