Un apprentissage hérité des connaissances pour la conception et l’assemblage intelligents de métasurfaces
L’interaction de l’apprentissage automatique et de l’optique/photonique transforme la façon dont nous concevons de nouvelles structures photoniques, découvrons des lois physiques latentes et développons des dispositifs photoniques intelligents. Malgré certaines réalisations, un obstacle majeur persiste ; les ensembles de données et les réseaux ne sont que jetables.
Ainsi, pour chaque nouvel état ou tâche, tous les jeux de données et réseaux doivent être éliminés, et il est impératif de reconstruire de nouveaux jeux de données et réseaux, ce qui entraîne un énorme gaspillage de ressources. Dans les conceptions de métamatériaux basées sur l’apprentissage automatique, de nombreux efforts ont été déployés pour élargir l’ensemble de données de formation ou construire des réseaux spécifiques. Dans tous les cas, chaque métamatériau est physiquement séparé et l’efficacité d’utilisation des données est très faible.
Par conséquent, il est hautement souhaitable d’exploiter s’il existe des connexions physiques ou des corrélations de réseau entre divers métamatériaux qui peuvent gérer de manière robuste une large gamme de métamatériaux.
Dans un nouvel article publié dans Sciences de la lumière et applications, une équipe de scientifiques, dirigée par le professeur Hongsheng Chen du State Key Laboratory of Modern Optical Instrumentation, de l’Université du Zhejiang, en Chine, et ses collègues ont développé un réseau de neurones hérité des connaissances pour la conception inverse de la métasurface et les applications sans fil de manière « verte ».
Comme son nom l’indique, un tel réseau peut hériter des connaissances des métasurfaces « parentes », puis s’assembler librement pour les métasurfaces « progénitures ». Ce schéma de mélange héritage-assemblage est analogue à la construction d’une maison de type conteneur. En d’autres termes, cette méthode relie l’assemblage de la métasurface dans l’espace physique à la synthèse du réseau neuronal. Un tel paradigme brise un stéréotype de longue date selon lequel les réseaux de neurones ne fonctionnent que pour des objets prédéfinis et liés à la forme.
En outre, ils comparent l’universalité de ce paradigme par une métasurface apériodique et trois métasurfaces origami extensibles périodiques avec une précision de plus de 86,7 %, en contraste frappant avec les 20,0 % obtenus par un réseau de neurones conventionnel. Plus intéressant encore, la conception réussie et l’expérience solide des métasurfaces intelligentes en origami inaugurent une antenne spatiale innovante pour les futures communications par satellite.
La méthode et la technique rapportées ouvriront une nouvelle voie pour la conception automatique de métasurface et tireront parti de l’assemblabilité pour élargir l’adaptabilité des métadispositifs intelligents.
Différent du réseau de neurones conventionnel « brique par brique » dont les paramètres d’entrée-sortie sont prédéterminés et fixes, la méthode « panneau par panneau » rapportée confère au réseau une recyclabilité et une assimilabilité flexible, analogue à la construction d’une maison de type conteneur avec une haute flexibilité et assemblage libre. Le paradigme hérité des connaissances est composé de deux réseaux fonctionnels, à savoir un réseau de neurones hérité (appelé INN) et un réseau de neurones assemblé (appelé SNN).
L’INN est responsable de la conception inverse de chaque métasurface « panneau », et le SNN fonctionne comme un déployeur pour attribuer la tâche à chaque INN. Ces scientifiques résument le principe de fonctionnement de leur réseau :
« La base de données se compose de sept métasurfaces « panneaux », chacune ayant sa propre DCI. Pour une métasurface donnée, telle qu’un rectangle et une forme de losange, nous la construisons d’abord avec ces sept métasurfaces « panneaux » dans l’espace physique, et puis synthétisez le réseau neuronal holistique en utilisant la DCI préparée à la main. Dans cette procédure, la DCI est complètement héritée et réservée, et à la place, nous n’avons qu’à ajuster dynamiquement le SNN, permettant une conception inverse de métasurface verte et efficace en termes de données.
« En raison du caractère physique inimitable des métasurfaces, notre réseau hérité des connaissances est associé aux informations spatiales complexes des structures, qui peuvent en outre hériter des connaissances des métasurfaces » parents « , puis s’assembler librement pour les métasurfaces » descendantes « . En d’autres termes , la synthèse des réseaux dans l’espace virtuel est indissociablement liée à l’assemblage de la métasurface dans l’espace physique », ont-ils ajouté.
« En pratique, en appliquant notre stratégie de l’héritage à l’assemblage, nous pouvons également réaliser un assemblage de réseau en plusieurs étapes pour des modèles plus grands ou plus complexes. »
« Un autre point que nous voudrions souligner est que les avantages du » panneau par panneau « sont extrêmement maximisés dans l’application de métasurfaces périodiques géométriques, telles que les métasurfaces d’origami. Attachées à une stimulation de force externe, les structures d’origami peuvent dominer en douceur leur pliage/ mouvement de déploiement pour former une métasurface « modulaire » avec une excellente rigidité structurelle et une périodicité ajustable, ce qui coïncide fermement avec notre politique « panneau par panneau ».
« Sa compatibilité et ses caractéristiques légères attirent également les applications sous-jacentes dans les communications par satellite. En tant que système de communication à couverture élevée, la communication par satellite peut parcourir de manière flexible la communication à accès multiple et l’allocation des canaux à la demande, offrant des signaux formidables pour tous les coins du monde, même dans les régions éloignées. régions montagneuses ou le mont Everest », disent les scientifiques.