3月24日，光学领域顶尖期刊《自然·光子学》(Nature Photonics)在线报道了浙江大学伊利诺伊大学厄巴纳香槟校区联合学院2017级博士生钱超和其指导教师信电学院陈红胜教授及李尔平教授与麻省理工学院联合研究小组在国际上率先实现基于深度学习的新一代智能隐身器件研究成果。
合作研究团队经过3年的努力，在微波段成功实现了智能自适应隐身器件。研究团队提出了新一代智能隐身系统框架；建立了一套完整的时域电磁仿真模型，通过揭示隐身的瞬态响应机制，用于验证想法的可行性；搭建电磁环境探测器和实验控制系统，设计智能电磁隐身材料，实验采集数据进行深度学习训练。
图：智能隐身系统框架
研究团队设计了一项小车智能隐身实验。探测雷达随机改变着入射波的频率、极化和入射角，而小车的任务，就是要能动态适应变化的探测信号，对雷达“隐身”。钱超介绍，小车身披一层超薄的可重构的超表面隐身材料，这身“隐身衣”由智能芯片控制，它集成了训练好的深度学习模型，能够根据输入的电磁信息快速做出决策，改变“隐身衣”的电磁响应。
当小车自由行使在凹凸不平的地面时，电磁环境探测器实时感知入射波和小车所处的背景环境，并把信息传给智能芯片。我们知道，当环境发生变化，变色龙大约需要6秒时间过度到环境色；而当电磁环境发生变化时，披着智能隐身衣的小车只需要15毫秒就能自动地实时“换装”，免于电磁波的探测。为了测试智能隐身衣的性能，课题组开展了大量的实验，从近场成像和远场散射截面测量等多方面验证了智能隐身衣样机的可行性和鲁棒性。
图：智能隐身实验装置
陈红胜教授认为，智能隐身成功地融合了新型电磁材料和人工智能等领域，与传统的适应性光学不同，智能隐身采用硬件的手段实现用于隐身调控的深度学习模型，在应用中只需单次前向计算即可做出合理的决策，大大地缩短了响应时间，这一方法对于实时性要求很高的其他应用也有很好的借鉴意义。
审稿专家认为，“这是一项激动人心的、及时而杰出的工作，它连接了变换光学、电磁超材料和人工智能等领域，为智能光子材料和器件这个新兴领域树立了很好的标杆，也将大大促进其他智能电磁器件的发展。”
该工作受到国家自然科学基金委杰出青年基金项目等项目资助。博士研究生钱超受到2018年浙江大学博士研究生学术新星培养计划的资助。
论文链接：
https://www.nature.com/articles/s41566-020-0604-2