[发明专利]一种多功能涡旋光生成器的设计方法

权利要求书

1.一种多功能涡旋光生成器的设计方法，所述多功能涡旋光生成器是由大量不同的纳米结构组成的超构表面，该超构表面的设计包括以下步骤：

1)根据所需生成涡旋光的工作波长，结合器件制备工艺，确定涡旋光生成器的整体尺寸、组成单元的单元周期以及纳米结构的最小尺寸，并根据上述条件确定生成纳米结构的几何约束条件，完成纳米结构的参数化；

2)根据多功能涡旋光生成器的功能确定不同偏振通道涡旋光的偏振态与拓扑荷，进一步完成多功能涡旋光生成器所对应的相位剖面设计，而后根据不同偏振通道涡旋光对应的相位剖面，确定超构表面不同位置处纳米结构所需要满足的光学性质；

3)通过深度神经网络构造人工智能算法平台，而后利用此算法平台寻找到步骤2)中所需具有特定光学性质的纳米结构，完成超构表面设计；

4)利用步骤3)中构建的算法平台获得超构表面的光学响应数据，评估器件性能。

2.如权利要求1所述的设计方法，其特征在于，步骤1)中所述组成单元的单元周期设置在亚波长尺度，所述纳米结构的参数化是用一组结构参数描述其几何形状。

3.如权利要求2所述的设计方法，其特征在于，步骤1)中所述纳米结构为V形纳米结构，其几何结构被参数化为4个量(w₁,w₂,a,b)，其中：w₁,w₂为组成V形的两个纳米棒的长度，a为两个纳米棒夹角的角平分线的方位角，b为两个纳米棒的夹角。

4.如权利要求1所述的设计方法，其特征在于，所述多功能涡旋光生成器可在多个不同的偏振通道下生成多种含有不同拓扑荷的涡旋光，步骤2)中组成超构表面的纳米结构的光学性质需要同时满足不同偏振通道所对应反射光的相位。

5.如权利要求1所述的设计方法，其特征在于，步骤3)中所述人工智能算法平台是由正向神经网络和反向神经网络构成，其中正向神经网络根据纳米结构的几何参数预测其具有的光学性质，而反向神经网络则根据纳米结构所需具有的光学性质反向生成满足条件的结构几何参数。

6.如权利要求5所述的设计方法，其特征在于，步骤4)对于反向神经网络生成的纳米结构几何参数，正向神经网络预测其相位和振幅，将预测的相位与目标相位比对，验证所需的相位剖面，确定是否满足设计预期；通过振幅评估器件的工作效率，即生成涡旋光的强度信息。

7.如权利要求1所述的设计方法，其特征在于，在步骤2)的相位剖面设计中，不同功能下的入射偏振尽量彼此正交或均匀分布。

8.如权利要求7所述的设计方法，其特征在于，在步骤2)对于双功能涡旋光生成器，双偏振通道选取左旋和右旋；对于三功能涡旋光生成器，三偏振通道则选取0°、120°和240°三个线偏振。

9.如权利要求1所述的设计方法，其特征在于，步骤3)包括：

构建数据集：先随机生成纳米结构的几何结构参数，并通过时域有限差分方法进行数值模拟，获取纳米结构对应的光学响应数据，所述光学响应包括工作波长下复用偏振态对应反射光的振幅与相位数据，光学响应数据与纳米结构的几何参数数据共同组成数据集；

通过数据集训练正向神经网络，构造从纳米结构几何参数到反射光振幅以及相位数据的正向预测模型；

将完成训练的正向神经网络缀在反向神经网络后，并以数据集训练反向神经网络，构建从光学响应数据到纳米结构几何参数的反向生成模型；

训练好的反向神经网络根据目标多功能涡旋光的相位剖面，逐一生成超构表面不同空间位置处纳米结构对应的几何参数，从而完成超构表面设计。

10.如权利要求9所述的设计方法，其特征在于，步骤3)中以多波长琼斯矩阵构成初始数据集；在训练神经网络时利用相位的正弦与余弦值作为输入和输出的相位数据。