編輯 | 2049
在電磁波調控的舞臺上，超材料曾憑藉其人工設計的亞波長結構，打破了自然材料的物理限制，實現了負折射、隱身斗篷等奇異現象。
然而，當工程師試圖將這類「魔法材料」應用於動態環境時，卻發現傳統超材料如同精密的機械手錶 —— 雖能精準執行，卻無法根據環境變化自主調整。這種矛盾在自動駕駛、智慧通訊等實時場景中尤為突出，亟待新的技術正規化突破。
人工智慧的快速發展，為解決這些問題帶來了新的希望。來自浙江大學的研究人員發表綜述文章，系統梳理了 AI 與超材料（Metamaterials）的雙向互動關係，揭示了「智慧超材料（AI for Metamaterials）」和「超材料智慧（Metamaterials for AI）」兩個新興研究方向的最新進展。
該研究以「A guidance to intelligent metamaterials and metamaterials intelligence」為題，於 2025 年 1 月 29 日釋出在《Nature Communications》。
電磁調控的革命與困境
超材料自 20 世紀末問世以來，憑藉其獨特的電磁波操控能力，迅速成為光學、聲學、熱學等多個領域的研究熱點。透過精心設計其亞波長單元結構，超材料能夠實現負折射、超解析度成像、隱身等奇異現象。
然而，傳統超材料的設計過程依賴於大量的數值模擬和實驗驗證，耗時且效率低下。與此同時，AI 技術，尤其是深度學習，在影像識別、自然語言處理等領域取得了顯著進展，展現出強大的非線性擬合和泛化能力。
正是基於這一背景，研究團隊提出了將 AI 與超材料相結合的研究思路，旨在透過 AI 加速超材料的設計過程，並賦予超材料智慧化的功能。
AI for Metamaterials
AI 在超材料設計中的應用主要體現在三個方面：正向預測、逆向設計和光譜關聯。
正向預測，是指透過 AI 模型快速預測給定超材料的電磁響應，如反射、透射光譜等。傳統的數值模擬方法雖然精確，但計算量大、耗時長。而 AI 模型則能夠在短時間內完成大量計算，顯著提高設計效率。
逆向設計則更具挑戰性，其目標是根據使用者期望的電磁響應，設計出相應的超材料結構。由於逆向設計存在 「一對多」 的對映問題，即多種結構可能產生相同的電磁響應，傳統的最佳化演算法往往難以找到全域性最優解。
研究人員透過引入生成對抗網路（GAN）和變分自編碼器（VAE）等生成模型，成功解決了這一問題。這些模型能夠生成多種候選結構，並透過最佳化演算法篩選出最優解。
圖示：深度學習支援的三種設計類別和正統網路結構。（來源：論文）
光譜關聯是另一個重要的研究方向，旨在透過低頻頻段的光譜資訊推斷高頻頻段的光譜響應。這一技術在實際應用中具有重要意義，例如在無需高成本檢測裝置的情況下，透過低頻測量推斷高頻特性。
研究團隊提出了一種生成-消除框架，透過生成網路產生多種候選光譜，再透過消除網路篩選出最優解。實驗結果表明，該方法在太赫茲頻段的光譜關聯中表現出色，顯著降低了高頻模擬的時間成本。
相關連結：https://www.nature.com/articles/s41467-023-40619-w
圖示：超表面光譜相關性。（來源：論文）
Metamaterials for AI
超材料不僅受益於 AI 的驅動，還為 AI 提供了全新的計算平臺。傳統的電子計算受限於摩爾定律，面臨著互聯延遲和散熱等問題。
超材料為基於波的計算（Wave-Based Computing）提供了一個全新的平臺。這種計算方式利用電磁波的衍射、散射和干涉等物理特性，以光速進行資訊處理，具有低功耗和天然的平行計算優勢。更重要的是，它可以直接在物理空間中執行計算任務，避免了傳統計算中電磁波與電訊號之間的相互轉換過程。
圖示：基於波的數學運算和邏輯運算。（來源：論文）
波基神經網路（Wave - based Neural Network）是超材料智慧的核心應用之一。透過設計超材料的結構，可以實現類似於人工神經網路（ANN）的矩陣乘法和非線性啟用功能。例如，衍射神經網路（Diffractive Neural Network）透過多層衍射層對入射光進行調製，最終在輸出層顯示計算結果。
圖示：基於波的神經網路的架構。（來源：論文）
智慧超器件的實現與應用
智慧超器件是智慧超材料的最終目標，其核心在於實現 「感知 - 決策 - 執行」 的閉環系統。感知模組負責監測外部環境和超器件自身的狀態；決策模組根據感知資訊制定控制策略；執行模組則透過可重構超材料實現對電磁波的動態調控。
研究團隊開發了一種自適應隱身「cloak」，能夠根據環境變化自動調整其反射特性，實現毫秒級的自我適應。實驗表明，該「cloak」在複雜環境中表現出極高的魯棒性，為隱身技術的實際應用奠定了基礎。
相關連結：https://www.nature.com/articles/s41566-020-0604-2
在無線通訊領域，超材料也展現出巨大的潛力。傳統的 5G 技術依賴於大規模多輸入多輸出（Massive Multiple - Input Multiple - Output，MIMO）和正交分頻多工（Orthogonal Frequency - Division Multiplexing，OFDM）技術，但其部署成本高、能耗大。
研究團隊提出了一種基於超材料的智慧反射表面（Intelligent Reflecting Surface，IRS），透過被動方式調控無線訊號，顯著降低了通訊裝置的複雜性和能耗。實驗結果表明，IRS 在動態傳播環境中表現出優異的效能，為未來 6G 通訊技術的發展提供了新的思路。
相關連結：https://www.science.org/doi/10.1126/sciadv.abn7905
圖示：智慧自適應元裝置和新物理學。（來源：論文）
結語
AI 與超材料的雙向互動，為智慧超材料和超材料智慧的發展開闢了新的道路。透過 AI 加速超材料設計、賦予超材料智慧化功能，研究團隊在隱身技術、無線通訊等領域取得了顯著成果。
然而，當前技術仍面臨資料收集、網路訓練效率等挑戰。未來研究應進一步探索物理驅動的 AI 模型，提升超材料的非線性處理能力，並推動基於波的計算在實際應用中的落地。
隨著技術的不斷進步，智慧超材料有望在更廣泛的領域發揮其獨特優勢，為電磁空間的自由管理奠定基礎。
論文連結：https://www.nature.com/articles/s41467-025-56122-3