第2卷第10期/2025年5月/光学学报(网络版)特邀综述
基于深度学习的电磁超材料设计研究进展（特邀）
1，2，3，41，2，3，4*5，6**1，2，3，41，2，3，4***
王东来，张卉，马逸明，王占山，程鑫彬
1同济大学物理科学与工程学院，同济大学精密光学工程技术研究所，上海200092；
2先进微结构材料教育部重点实验室，上海200092；
3上海市数字光学前沿科学研究基地，上海200092；
4上海市全光谱高性能光学薄膜器件与应用专业技术服务平台，上海200092；
5上海大学微电子学院，上海200444；
6上海市智能感知芯片技术协同创新中心，上海200444
摘要近年来，深度学习技术发展迅速，在数据处理、模式识别和信息解读方面展现出强大的能力，为优化算法领域带来
了革命性的效率提升潜力。采用深度学习方法来优化电磁超材料的设计，已成为研究的热点，并取得了显著进展。在此
背景下，本文综述了现有针对电磁超材料的逆向设计方法，包括对经典的迭代算法现状及不足的简单概述以及各类基于
深度学习的设计技术，分别对基于深度学习的设计技术的应用范围、优点和局限性以及最新的研究进展进行了讨论。本
文重点介绍了多种神经网络架构及其在电磁超材料优化中的应用实例，并对这些优化方法在实际设计中的作用、局限和
应用前景进行了深入探讨。最后，本文展望了未来电磁超材料设计领域以及其与人工智能技术深度融合的发展方向。
关键词电磁超材料；迭代算法；深度学习；代理模型；物理信息神经网络
中图分类号O439；TN256文献标志码ADOI：10.3788/AOSOL240476
DeepLearningApproachesinDesigningElectromagnetic
Metamaterials(Invited)
WangDonglai1,2,3,4,ZhangHui1,2,3,4*,MaYiming5,6**,WangZhanshan1,2,3,4,ChengXinbin1,2,3,4***
1SchoolofPhysicsScienceandEngineering,InstituteofPrecisionOpticalEngineering,
TongjiUniversity,Shanghai200092,China;
2
-
MOEKeyLaboratoryofAdvancedMicroStructuredMaterials,Shanghai200092,Chin