中国物理学会第二十七届全国静电学术年会

超表面因其对电磁波的卓越调控能力，在各个领域展现出重要价值。但由于其几何构型与电 磁响应之间高度复杂的非线性映射关系，导致传统超表面设计方法依赖于海量的电磁仿真，严重制约了设 计效率。为突破这一瓶颈，本文提出了基于一个深度神经网络的高性能相位预测模型的全自动化设计平台 来快速设计聚焦型超表面。本文在 2至 18GHz的超宽带内生成 20000 组均匀的几何数据-反射相位数据集， 然后利用科尔莫戈罗夫-阿诺德卷积神经网络(Kolmogorov-Arnold-Convolutional Neural Network, KAN-CNN) 模块、注意力机制、残差连接等构建的相位预测网络，实现由目标相位快速生成超表面结构参数。实验结 果表明，该平台实现了 92.7%的高精度宽带反射相位预测准确率，大幅提高了设计流程的效率，最终设计 出在 8 GHz 频段下焦距为 100 mm 的高性能聚焦超表面阵列。

聚焦型;超表面;KAN;CNN;逆向设计;反射型