据中国激光杂志社网，于2024年04月08日报道，2021年，Science 发布《125个最前沿的科学问题》报告，电磁隐身“Can we make a real, human-size invisibility cloak?”入选其中。20世纪初，超材料和变换光学的出现为电磁隐身开辟了崭新的道路，通过巧妙设计超材料的单元结构和排布方式，调控物体的散射场，使其与背景散射场一致。经过十几年的发展，隐身理论实验取得了重要进展，但仍面临工作环境背景和入射波模式固定等挑战，难以满足各种隐身模式需求。实现该目标需要解决可重构超表面的调控状态有限、逆向设计存在非唯一解、神经网络输入不完整等难题。
浙江大学钱超和陈红胜教授团队充分研究隐身领域关键难题，提出了基于随机进化学习的海陆空智能自适应隐身，以深度学习为超表面算法驱动，以时空调制为超表面物理基础，搭建感知-决策-执行隐身系统，使无人机自由隐身于不同背景环境。研究结果以“Autonomous aeroamphibious invisibility cloak with stochastic-evolution learning”为题，发表在Advanced Photonics 2024年第1期。
超表面合成色散
传统可重构超表面的调控状态有限且幅度相位耦合，大大限制了散射场调控的自由度，难以模拟千变万化的背景散射场。作者团队根据已有的离散调控状态，通过时间调制，合成任意反射谱，实现超表面在空域和频域内自由调控散射场。在非对称超表面结构中加载二极管，构造高效双比特可重构超表面，提供四种原始的调控状态，通过输入周期性时变电压，合成状态几乎可以覆盖整个幅相空间，极大地拓展了超表面的调控自由度，为海陆空背景下电磁隐身奠定了物理基础（图2c）。如图2d所示，时空调制可以更加准确地模拟给定的目标散射场，相似度94.03%，而空间调制实现的相似度为88.64%。
随机进化学习
在智能隐身及其它智能超表面应用中，常常需要求解出给定近/远场对应的超表面分布，即逆向设计。传统的全波数值仿真和启发式搜索方式优化速度慢、鲁棒性差，需要耗费大量的算力。对此，作者团队提出基于条件变分自编码器的生成-淘汰神经网络架构,即随机进化学习，通过自动定位最优解来全局引导时空调制超表面，缓解逆向设计中广泛存在的一对多和输出不完整等问题。整体网络框架主要由两个级联的子网络组成，即生成网络和淘汰网络。对于给定的输入，生成网络通过在其潜在空间上采样，生成尽可能多的候选解；然后，淘汰网络通过两个频谱空间内在的相互映射来淘汰欧式距离/误差较大的候选解。整个过程可具象为一个三层的分叉树，体现了两个频谱空间之间的双向互选，最大程度地消除了固有偏差，准确率达到97.8%。
智能隐身无人机
研究团队以无人机（最大载重15千克）为隐身对象，集成了感知-决策-执行模块，测试其在海陆空三种典型背景下的自适应隐身效果。感知模块包括电磁探测器（探测入射波信息）、陀螺仪（感知飞机姿态速度等）和摄像头（捕获周围环境），决策模块即生成-淘汰网络，执行模块即时空调制超表面。无人机自由起飞、盘旋和降落，空间随机放置的多个接收天线实时监测散射波。相对于会产生强散射波的裸露无人机，隐身无人机可以有效抵抗外界探测，实现各种用户自定义的隐身模式，与背景散射场的相似度达到95%。
总结与展望
该成果融合了超表面、深度学习和自动控制等领域，为实现动态、开放、复杂场景下的智能隐身提供了新的途径。所提出的生成-淘汰网络像一个精明的“指挥官”，快速挖掘复杂电磁波-超表面之间相互作用关系，有效解决了光子学逆向设计中多对多映射。通过进一步研究场景迁移方法和宽带全极化超表面结构设计，将进一步拓展智能隐身的性能，对跨波长成像、能量收集、无线通信等领域也具有重要参考意义。
期刊简介
Advanced Photonics（AP）创刊于2019年，是一本重点关注新兴光学领域的基础与应用研究成果、聚焦最新及快速发展的光学与光子学学科的国际OA期刊。期刊入选中国科协高起点新刊计划，2021年被SCI收录，2023年影响因子17.3，在全球100种JCR光学期刊中位列第4（Q1区），中国科学院一区。创刊以来AP发表了众多国际顶尖学者的高水平学术论文，并以采访、新闻、评论等丰富的形式，展现了光学与光子学领域的最近进展。姊妹刊Advanced Photonics Nexus（APN）接收AP的快速转投和自然来稿，致力于成为既发表基础研究类又发表工程应用类文章的综合性大刊。
