文献解读 | 深度学习如何设计光子器件（Photonics Research 2021）

论文简介

本文解读的是 2021 年发表在 Photonics Research 上的综述：Deep learning in nano-photonics: inverse design and beyond（DOI 10.1364/PRJ.415960，arXiv 存档），作者是法国图卢兹 LAAS/CEMES（CNRS）的 Peter R. Wiecha、Arnaud Arbouet、Christian Girard 和英国南安普顿大学的 Otto L. Muskens。论文为开放获取在线期刊文章。

一句话概括：这篇综述把”用深度学习做光子器件逆向设计”从头到尾批判性地梳理了一遍——先讲神经网络为什么能胜任这个任务，再讲前向代理模型、直接从目标反推结构的逆向网络，接着讲解决”一对多歧义”和鲁棒性的各种改进方案，最后扩展到物理信息神经网络（PINN）以及知识发现、实验数据解读等”超越逆向设计”的应用。和大多数只展示成功案例的论文不同，它把每种方法的缺陷也讲得很清楚，对想入门这个方向的读者是一张很好的地图，对已经入行的研究者也是一种”方法选择”的提醒。

为什么”设计光子器件”要请深度学习出场

器件设计本质上是逆向问题：给定目标光学响应（比如”在某个波长聚焦、对某种偏振分束、把特定图案写到焦平面”），找到能满足它的结构参数——纳米柱的尺寸、形状、旋转角、材料等。超表面的每个单元都有多个几何自由度，一块器件包含成千上万个单元，整个参数空间是天文数字级别的。想靠物理直觉”试”出最优结构，基本不可能。

传统上大家依赖两类工具。一是基于物理直觉的参数扫描：适用于参数少、规律清楚的问题，但维度一高就力不从心。二是伴随方法（adjoint method）这类梯度优化：它一次仿真就能算出全部梯度，效率很高，但每轮优化仍需要多轮电磁仿真，而且目标一变就要重算，优化的结果也和初始猜测、制造约束耦合在一起。

深度学习的吸引力来自三点：第一，训练完成后，前向预测几乎是瞬时的，可以当”仿真替代品”，把一次设计迭代从小时级压缩到毫秒级；第二，网络可以直接学习”目标→结构”的映射，跳过显式的仿真循环；第三，训练数据可以同时来自仿真和实验，用实验数据校正仿真模型，弥合”仿真与实物之间的鸿沟”。

要理解这些方法，先要清楚神经网络是怎么”学习”的。一个人工神经元（artificial neuron）只是对输入做加权求和、再过一层非线性激活函数；把大量神经元按层连接起来，就得到人工神经网络（ANN，artificial neural network），它本质上是输入向量到输出向量的一个参数化函数。训练的目标是让网络的预测尽量接近训练样本，通常用均方误差（MSE，mean squared error）损失来衡量：

$$L(w_i,b_j)=\frac{1}{N}\sum_{l=1}^{N}\left(y_{\mathrm{train},l}-y_{\mathrm{ANN}}(x_{\mathrm{train},l})\right)^2$$

其中 $w_i$、$b_j$ 是网络参数，$x_{\mathrm{train},l}$ 和 $y_{\mathrm{train},l}$ 是训练样本，$y_{\mathrm{ANN}}$ 是网络预测，$N$ 是批量大小（batch size）。训练就是沿着损失函数关于参数的梯度”往下滑”，最常用的算法是随机梯度下降（SGD，stochastic gradient descent）。这一段背景来自综述 Box 1。

但论文开篇就提醒：深度学习不是万能钥匙。很多相关工作是针对特定器件的高度定制方案，各自的缺陷并不明显，盲目套用容易失败。这正是这篇综述要做的：把方法分门别类，讲清楚每类的适用场景与短板。

路线一：前向代理模型——把仿真换成网络（图 1）

最直觉的用法，是训练一个网络学习”结构→响应”的前向映射，用网络输出替代昂贵的仿真。论文图 1 给出三个层次不同的例子。

图 1：深度学习前向求解器用于超快物理预测。(a) 多层纳米球的电/磁偶极共振预测与逆向设计；(b) 基于多个洛伦兹振子的纳米光学求解器，右图显示基于物理的数据表示让网络在训练数据范围之外仍能泛化（蓝点）；(c) 内部电极化密度预测网络，其结果可接入耦合偶极近似框架计算近远场效应。

图 1(a) 是最直接的”结构→响应”映射：输入多层纳米球的几何参数，同时预测电偶极和磁偶极共振，相当于把电磁仿真压缩成一个多输出网络。

图 1(b) 更值得琢磨：它不直接预测光谱曲线，而是让网络预测一组洛伦兹振子的参数（共振频率、线宽、强度），再用振子模型合成光谱。这种”物理化的数据表示”让网络学会的是物理规律本身，而不是死记训练样本，因此如蓝点所示——即使输入超出训练数据范围，预测依然合理。这是本文反复出现的一个主题：把物理知识编码进网络结构或数据表示，往往比堆更多数据更有效。

图 1(c) 则更进一步：网络预测的不是某个标量响应，而是结构内部的电极化密度分布；把这个分布接入耦合偶极近似（CDA，coupled dipole approximation）框架，就能一次性推出一大堆近场和远场量。代理模型从”预测一个数”升级成了”预测一个场”。

当然，代理模型也有代价：它的精度受限于训练数据的分布，在数据稀疏的区域外推并不可靠；训练数据本身需要大量仿真来生成，这是一笔前置成本。所以代理模型的价值在于”训练一次、使用无数次”的场景，比如后面的迭代优化和系统级参数扫描。

路线二：逆向网络——直接从目标到结构（图 2）

更激进的思路是训练逆向网络：输入目标响应，直接输出结构参数。但这里藏着一个核心困难——一对多歧义：多个不同的结构可能产生几乎相同的光学响应。论文用金纳米棒的消光光谱举例：固定波长下，想让消光系数等于某个值，可以由好几根不同长度的纳米棒实现；朴素网络面对这些互相矛盾的训练样本，会学到它们的”平均解”，结果哪个都做不好。

对策之一是 tandem 串联网络：先训练一个前向模型并冻结它，再把它接到逆向网络后面作为”物理损失”——生成的结构必须经过前向模型验证、预测确实接近目标才被奖励。这一思路的代表工作来自 Jiang 与 Fan 2019 年在 Nano Letters 上提出的物理驱动神经网络全局优化方法。这样逆向生成器不会跑偏，但也把问题限制为”每个目标只给一个解”。

若要保留多个解，可以用三类生成模型。混合密度网络（mixture density network）让网络输出一组高斯分布来描述解集合，解的个数和权重都显式可读；条件生成对抗网络（cGAN，conditional generative adversarial network）和条件自编码器把解空间装进一个潜变量 z，每次采样 z 就得到一种不同的设计，图 2(b) 中的双焦点透镜使用的条件 WGAN（Wasserstein 生成对抗网络）就是这类生成模型的代表；变分自编码器（VAE，variational autoencoder）则把潜变量约束成正态分布，让解空间平滑连续，支持在两种设计之间”插值”。论文 Box 2、Box 3 分别解释了前两者的原理。

图 2：由机器学习算法逆向设计的器件实例。(a) 编码器-解码器型串联逆向网络设计 3×3 多模干涉器（MMI）的扰动图案，以实现任意传输矩阵元；(b) 条件 WGAN 逆向网络设计的双焦点平面透镜，(i) 介质超表面、(ii) 振幅分布、(iii) 相位掩模、(iv) 数值仿真的场强验证。

图 2 给了两个具体例子。图 2(a) 中，串联网络的逆向部分输出 3×3 多模干涉器的扰动图案，让不同输入通道按目标任意路由到输出，传输矩阵元的映射可以按需”改写”；图 2(b) 中，条件 WGAN 直接生成介质超表面的几何，并同时给出振幅与相位掩模，最后用数值仿真验证两个焦点确实按预期形成。这两个例子说明，逆向网络输出的”结构”可以是离散图案、连续几何，也可以是相位掩模这类中间表示。

路线三：给逆向网络”打补丁”——六种改进与数据预处理（图 3、图 4）

直接逆向网络除了歧义问题，还会遇到数据不足、对噪声敏感、网络容量不够等毛病。论文图 3 总结了六类改进思路，共性都是”把更多物理放进训练流程”：

图 3：改善逆向设计神经网络常见缺点的六类概念。(a) 迭代训练数据生成，网络从自身错误中学习（隐身斗篷设计）；(b) 迭代生成数据集前后光子晶体腔品质因子（Q 因子）分布对比；(c) 网络结构随训练渐进增长，逐步学习更精细特征；(d) 用高斯概率分布表示多个解的混合密度网络；(e) 针对带噪训练数据的去噪逆向网络；(f) GLOnet：用可微的传输矩阵物理模型作损失函数的逆向设计网络。

逐项来看：

(a) 迭代训练数据生成——最有意思的一种。第一轮网络从随机数据里学，然后用它设计一批结构、跑仿真找出表现最差的那部分，专门补齐这些”易错区域”的数据，让网络在第二轮针对性地补短板。训练数据由网络自己的错误驱动生成，而不是一开始就撒一大片随机样本，数据效率高得多。论文用它演示了隐身斗篷的逆向设计。

(b) 迭代数据集的效果——同样是光子晶体腔 Q 因子预测，随机数据集里高性能样本稀少，迭代生成一轮之后，数据集里的高质量样本明显变多，网络学到的分布更贴近真实设计需求。

(c) 渐进网络增长——网络容量跟着训练进度逐步增加：先学粗糙的全局特征，再逐步加入精细结构的学习，避免一开始就过拟合噪声。

(d) 混合密度网络——处理一对多问题的另一种思路：不强迫网络输出单一结构，而是输出”解的分布”，让用户从中挑选，多个高斯峰对应多个可行设计。

(e) 去噪逆向网络——训练数据里显式加入噪声（噪声参数自上而下增大），网络学会忽略测量噪声，提升在实际测量场景下的鲁棒性。

(f) GLOnet——用可微的物理模型（传输矩阵）直接作为损失函数，网络在训练时”看到”的就是真实的物理响应，而不是仿真数据的代理，优化目标更接近物理本身。

除了改进训练流程，数据的表达方式同样重要。论文图 4 展示了两种数据预处理技巧：

图 4：面向优化物理域表示的输入数据预处理示例。(a-b) 通过坐标变换在不规则网格上做深度学习，变换内置在深度学习工具库中、梯度可以穿过坐标变换反向传播，让网络能在复杂形状的物理域上高效训练；(c) 用低频傅里叶分量描述拓扑并压缩数据，实现自由曲面超光栅等复杂形状的数据高效表达。

图 4(a-b) 解决的是”结构几何不规则、标准卷积网络吃不下”的问题：通过一个可微的坐标变换，把不规则网格映射到规则网格，网络可以在变换后的域上训练，梯度还能穿过变换反传回原始几何。图 4(c) 则用低频傅里叶分量来描述结构拓扑：相比逐像素描述，自由曲面超光栅这类复杂形状只需要很少几个傅里叶系数就能表达，既压缩了数据，也让网络更容易学到光滑的结构规律。

路线四：物理信息神经网络——把方程写进损失（图 5）

前面几种方法都需要大量”结构—响应”训练数据。物理信息神经网络（PINN，physics-informed neural network）换了一条路：把物理方程本身写进损失函数。2019 年 Raissi 等人提出的通用框架是：网络不仅要拟合数据，还要让输出满足偏微分方程，总损失写成数据拟合项与方程残差项之和：

$$L=L_{\mathrm{data}}+\lambda L_{\mathrm{PDE}}$$

其中 $L_{\mathrm{data}}$ 衡量网络输出与已知数据/边界条件的偏差，$L_{\mathrm{PDE}}$ 衡量输出代入方程后的残差大小，$\lambda$ 是两项之间的平衡权重。

论文图 5 展示了它在纳米光学中的两个应用：一是时域求解波动方程，网络直接给出随时间演化的场分布；二是频域求解亥姆霍兹方程，并进一步把它变成逆向问题——已知目标场分布，反推隐身斗篷区域的介电常数分布。

图 5：面向纳米光学的物理信息神经网络（PINN）。(a) 时域求解波动方程；(b) 上：求解频域亥姆霍兹方程；下：用 PINN 对隐身斗篷应用的介电常数分布进行逆向设计。

PINN 的好处是不依赖海量标注数据，理论上”方程即数据”，还能天然保证解满足物理规律；代价是训练更慢、收敛更难，数据项与方程项的权重 λ 需要细心调节，复杂边界条件的处理也不简单。目前 PINN 在纳米光学里主要停留在方法验证阶段，但它把”物理”放进损失的做法，和前面的物理化数据表示、GLOnet 的可微物理损失是一脉相承的。

超越逆向设计：知识发现与实验数据分析（图 6、图 7）

论文的后半部分提醒读者：深度学习在光子学里的价值不止于”设计器件”，还能反过来帮人理解物理、处理实验数据。

知识发现

图 6 给出几个用网络”发现物理”的例子：

图 6：通过机器学习实现”知识发现”的实例。(a) 用自编码器降维与非凸包判定，判断指定几何模型能否实现目标物理响应；(b) 瓶颈神经元数量与设计参数变化对激活的影响，可评估各设计参数的物理重要性；(c-d) 模拟人类建模思路的条件编码器-解码器，从数据中发现隐式物理概念；(e) 利用高速物理预测网络，系统分析超表面单元可实现的相位与强度变化范围。

图 6(a) 用自编码器把高维结构参数压缩到低维，再画低维点集的非凸包：如果目标响应落在包外，说明这个几何模型根本实现不了，省掉大量无用仿真。图 6(b) 分析瓶颈神经元的激活模式，可以判断哪些设计参数在物理上真正重要——比如某个几何参数变化时神经元激活几乎不动，说明它对响应影响很小。图 6(c-d) 模拟人类建模的思路，用条件编码器-解码器从数据中”发现”隐式的物理概念，相当于让网络帮人提出物理假设。图 6(e) 则利用前向代理模型的速度，系统扫描超表面单元能实现的相位与强度范围，为设计者提供一张”可达域”地图。

实验数据分析

设计之外，深度学习在实验数据解读上的应用同样丰富（图 7）：

图 7：机器学习用于实验数据解读的示例。(a-c) 神经网络从亚衍射纳米结构的散射光谱中解码光存储信息，每个几何结构对应唯一光谱，网络能解码未见结构的带噪光谱，仅探测少量波长即可高精度读出；(d-e) 全息显微图像上的炭疽孢子分类；(f) 显微力场校准，用网络从欠采样的布朗运动数据重建势阱；(g) 基于多芯多模光纤束散斑的实时超光谱图像重建；(h) 少量数据采集下的统计重建方案。

图 7(a-c) 演示”光存储光谱解码”：每个纳米结构几何对应一个独特的散射光谱，相当于一位信息位；网络在大量光谱上训练后，能解码从未见过的结构的带噪光谱，甚至只探测几个波长就能高精度读出。图 7(d-e) 用机器学习对全息显微图像上的炭疽孢子分类；图 7(f) 用网络从欠采样的布朗运动轨迹中重建光镊势阱，比传统统计方法更抗噪声；图 7(g) 利用多芯多模光纤束散斑的波长依赖性，实现实时超光谱图像重建；图 7(h) 展示了从少量数据采集做统计重建的思路。这些场景的共同点是”实验数据少、噪声大、反演难”，而网络恰好擅长在高噪声中学统计规律。

一张表看懂五种范式

表 1：深度学习用于光子器件设计/分析的五种范式对比。优缺点与代表例子均来自综述正文（Wiecha 等，Photonics Research 2021），来源见文末参考资料。

范式	输入 → 输出	主要优点	主要短板	综述中的代表例子
前向代理模型	结构 → 光学响应	训练后近乎瞬时预测，可替代仿真	精度受训练数据分布限制	多层纳米球共振预测、Lorentz 振子求解器（图 1）
直接逆向网络	目标响应 → 结构	端到端一步出设计	一对多歧义，易学到平均解	金纳米棒消光光谱反演（Box 2）
串联/生成模型	目标 → 前向校验 → 结构	用物理损失稳定生成，可保留多解	串联网络每目标仅给单解；生成模型训练不稳定	tandem 设计 3×3 MMI、条件 WGAN 双焦点透镜（图 2）
物理信息网络（PINN）	方程 + 少量数据 → 场/结构	不依赖海量标注，方程即先验	训练慢、收敛难、权重难调	亥姆霍兹求解与隐身斗篷逆向设计（图 5）
知识发现/实验分析	高维数据 → 物理规律/测量结果	反哺物理理解，抗噪	结果可解释性有限	自编码器可行性判定、散射光谱解码（图 6、图 7）

六种改进策略对照

表 2：路线三中六类改进策略的对照。内容来自综述图 3 及其正文，来源见文末参考资料。

改进策略	主要解决什么问题	核心机制
迭代训练数据生成	训练数据在”难区”稀疏	网络先从随机数据学，再用仿真补齐自己出错最多的结构
迭代数据集	高性能样本稀少、分布偏斜	多轮迭代让数据集分布贴近真实设计需求
渐进网络增长	网络容量与学习阶段不匹配	先学粗糙特征，再逐步增加容量学精细特征
混合密度网络	一对多歧义被压成平均解	输出多个高斯分布描述解集合，供用户挑选
去噪逆向网络	训练数据含噪声时预测不稳	显式向训练数据加噪，强迫网络学会去噪
GLOnet	代理损失与真实物理有偏差	用可微物理模型（传输矩阵）直接作损失

意义与展望

这篇综述的价值首先在视角：它不是”深度学习又赢了一次”式的成果集锦，而是冷静地告诉你每个范式会在哪里失败——直接逆向会因一对多歧义学到平均解，串联网络把多解压成单解，PINN 训练又慢又难收敛，代理模型的精度受数据分布限制。对刚入门的读者来说，这种”带坑说明”的地图比一堆成功案例有用得多；对已经入行的人，它也提醒了”方法选择要先想清楚你的问题属于哪一类”。

从原理验证走向实际应用，仍有几条明显的路要铺：其一，综述写于 2021 年，此后扩散模型、大语言模型辅助设计等新工具出现，值得单独跟踪；其二，数据生成成本仍是最大瓶颈——高质量”结构—响应”数据要靠大量仿真，这本身不便宜，迭代数据生成和物理化数据表示正是为了缓解这个问题；其三，也是最关键的，网络设计的结构要能真正造出来，需要把制造约束（最小线宽、圆角、工艺误差）纳入训练闭环。深度学习让”设计”变快了，但”设计出来的东西能不能造”这个问题，最后还是要回到工艺本身。