基于变压器的深度学习方法用于电磁诱导透明超表面的逆向设计 孟红燕、 冯恒利、 刘阳、 施文强、 王珏、 贾阳、 蒋纪娟、 王关、 刘佳、 高亚晨 + 另有2位作者

《Photonics》：A Transformer-Based Deep Learning Method for Inverse Design of Electromagnetically Induced Transparency Metasurfaces Hongyan Meng, Hengli Feng, Yang Liu, Wenqiang Shi, Jue Wang, Yang Jia, Jijuan Jiang, Guan Wang, Jia Liu and Yachen Gao + 2 authors

　　```

摘要

在本研究中，我们提出了一种基于Transformer的新型深度学习模型，用于设计电磁诱导透明（EIT）超表面。该模型包含一个正向网络，用于根据结构参数预测传输光谱；以及一个反向网络，用于从目标光谱中反推结构参数。为了训练模型，我们通过自动化CST（ computational electromagnetics）模拟生成了包含23,500个样本的数据集。经过充分训练的模型能够在几毫秒内从给定的目标光谱中预测出EIT超表面的所有七个结构参数，在收敛时达到8.49 × 10^?4的平均平方误差（MSE）。预测数据与目标参数之间的平均误差始终低于0.25微米。相对光谱误差（RSE）用于评估预测结构的光谱与目标光谱之间的差异，最大RSE为0.57%。与其他两种神经网络的对比实验证实了我们模型更出色的预测能力和准确性。此外，该方法不仅简化了EIT超表面的设计过程，而且能够轻松应用于电磁频谱范围内的各种超表面器件，为超表面逆向设计提供了一个多功能平台。

```