视觉图像驱动：多模型协同实现超表面智能逆设计

本文提出了一种视觉图像驱动的多模型协同超表面逆设计方法。背景方面，超表面在电磁波调控中应用广泛，但传统设计方法复杂耗时，难以满足高性能器件的自动化设计需求。研究目的旨在解决从直观视觉图像到微观电磁结构之间的信息鸿沟，实现超表面阵列结构的自动生成。方法上，该研究创新性地引入中间态全息图像作为物理约束桥梁，结合条件生成对抗网络（Pix2Pix）、U-Net和变分自编码器（VAE）三种模型，依次完成从视觉图像到干涉图像、全息相位分布及单元几何参数的映射，构建了端到端的逆设计框架。结论表明，该分阶段策略降低了端到端学习难度，在典型数字、字母及复杂图形上实现了高保真全息重构，显著缩短了设计周期，并具备频率、极化及功能扩展的普适性，为图像驱动的智能超表面设计提供了高效自动化新思路。