Ультраточная, высокоемкая и широкогаммная структурная окраска, обеспеченная сетью выборки вероятностной смеси

Превращение крошечных структур в яркий цвет

А что если можно печатать яркие, невыцветающие цвета без красителей или пигментов — просто формируя вещество на наноуровне? В этой статье предлагается новый метод искусственного интеллекта, который значительно упрощает проектирование таких «структурных цветов», открывая возможности для ультраточной цветной печати, долговечных дисплеев и антиконтрафактных узоров, созданных исключительно из наноструктур.

Цвет от формы, а не от чернил

Структурные цвета возникают, когда свет отражается, рассеивается и интерферирует внутри крошечных узоров, вырезанных в материале, подобно мерцающим оттенкам на крыльях бабочек или перьях павлина. Вместо смешивания химических красителей инженеры меняют размеры и формы наноскопических элементов — в данном случае повторяющийся блок, состоящий из квадратного кольца, окружающего центральный квадратный столбик на стеклоподобной подложке. Меняя всего четыре параметра этого строительного блока, можно получить широкий спектр отражённых цветов в видимой области. Задача заключается в том, чтобы определить, какая именно геометрия даст требуемый цвет, не проводя миллионы медленных физических симуляций.

Почему один цвет может скрывать множество структур

Проектирование структурного цвета — это не простая обратная таблица. Один и тот же воспринимаемый цвет часто могут давать разные наноструктуры, потому что человеческий глаз не различает некоторые спектральные различия. Такая ситуация «один цвет — много структур» затрудняет обучение стандартных нейросетей стабильному отображению цвета обратно в геометрию. Традиционные подходы глубокого обучения либо с трудом сходятся, либо выдают только один вариант дизайна, либо опираются на случайный шум, что вводит неопределённость и снижает точность, особенно когда в дизайне наноструктуры задействовано несколько настраиваемых параметров.

Более умный способ перебора множества вариантов

Авторы предлагают новую архитектуру под названием сеть выборки вероятностной смеси (MPSN), которая принимает эту неединственность как данность, а не борется с ней. Сначала они обучают прямую нейросеть, которая быстро предсказывает цвет по структуре, заменяя дорогостоящие электромагнитные симуляции. Поверх неё строят обратную сеть, которая для любой целевой окраски выдаёт не единичный ответ, а целое распределение вероятностей по возможным структурным параметрам. Путём многократной выборки из этого распределения, прогонки каждого кандидатного варианта через быструю прямую сеть и сохранения только того образца, который лучше всего соответствует целевому цвету, система учится, какие области пространства параметров действительно перспективны. Этот цикл выполняется сквозной во время обучения, так что распределения вероятностей постепенно сужаются вокруг семейств высококачественных дизайнов.

Более чёткие цвета, больше вариантов, меньше вычислений

Для проверки подхода команда решила сложную задачу проектирования широкогаммных структурных цветов. Используя MPSN, они создали наносекционные узоры «кольцо‑и‑столбик», которые воспроизводят основные красный, зелёный и синий, а также плотную палитру других оттенков. По сравнению с другими продвинутыми схемами нейросетей MPSN достигала чрезвычайно высокого совпадения — до 99,9% — между предсказанными и целевыми цветами, с ошибками далеко ниже порога различимости глазом. Важным является и то, что модель возвращала множество разных работоспособных структур для каждого цвета, давая дизайнерам гибкость выбирать варианты, которые проще изготовить или которые на практике более надежны. Сфабрикованные образцы хорошо соответствовали проектам и покрывали около двух третей стандартного цветового пространства, используемого в дисплеях, причём для каждого цвета использовался единичный ячейковый дизайн.

От цветных пятен к практическим устройствам

Для неспециалистов ключевая мысль в том, что эта работа превращает беспорядочный поиск методом проб и ошибок в управляемое вероятностное исследование. Вместо того чтобы требовать от компьютера единственного труднодостижимого ответа, MPSN быстро предлагает отобранный набор высококачественных наноструктур, которые все могут создать один и тот же желаемый цвет, и делает это на порядки быстрее, чем традиционная оптимизация. Этот подход не ограничивается яркой структурной краской: та же стратегия может упростить проектирование линз, датчиков и других сложных оптических компонентов, где множество различных микроскопических форм дают одинаковое макроскопическое поведение.

Цитирование: Wei, Z., Xu, W., Dong, S. et al. Ultraprecision, high-capacity, and wide-gamut structural colors enabled by a mixture probability sampling network. Light Sci Appl 15, 164 (2026). https://doi.org/10.1038/s41377-025-02122-3

Ключевые слова: структурный цвет, нанофотоника, обратный дизайн, глубокое обучение, метаповерхности