En vägledning till intelligenta metamaterial och metamaterialintelligens

Varför smarta material spelar roll

Föreställ dig väggar som kan förstärka ditt Wi‑Fi, bilytor som får fordon att försvinna från radar eller pappers‑tunna kretsar som utför AI‑beräkningar i ljusets hastighet. Denna översiktsartikel undersöker hur två snabbväxande fält — metamaterial (konstruerade strukturer som formar vågor) och artificiell intelligens (AI) — börjar driva varandra. Tillsammans lovar de enheter som kan känna, besluta och agera autonomt, samt nya typer av datorer som använder vågor istället för elektroner.

Bygga material som överträffar naturen

Metamaterial är människoskapade strukturer byggda av små upprepade enheter, mindre än den våglängd av ljus eller radiovågor de kontrollerar. Genom att noggrant forma dessa ”meta‑atomer” kan forskare böja, fokusera eller dölja elektromagnetiska vågor på sätt vanliga material inte kan — vilket möjliggör negativ refraktion, superupplösande avbildning och till och med osynlighetsmantlar. Tidiga konstruktioner var skrymmande och fasta i sin funktion, men ultratunna varianter kallade metaytor har gjort dessa idéer mer praktiska och utökat kontrollen från mikrovågor till synligt ljus och även till ljud och värme. Fortfarande är det svårt att designa sådana strukturer: varje mönsterändring kräver normalt omfattande numeriska simuleringar och expertintuition, och de flesta färdiga enheter fungerar endast för en enda uppgift under idealiska labbförhållanden.

AI som formgivare och medpilot

Djupinlärning, den gren av AI som utmärker sig i att finna mönster i komplex data, förändrar hur metamaterial utvecklas och används. Istället för att köra tusentals fysiksimuleringar manuellt tränar ingenjörer neurala nätverk att fungera som ultrarapida ”surrogat”‑simulatorer. En riktning, kallad framåtförutsägelse, matar en föreslagen struktur in i ett nätverk och förutspår omedelbart dess optiska eller radiovågssvar. Den svårare riktningen, invers design, ber AI föreslå strukturer som ger ett önskat beteende — som en specifik färg, en stråle som böjer vid en viss vinkel eller en effektiv optisk krets. Avancerade modeller, inklusive generativa nätverk och kunskaps‑”ärvande” scheman, kan hantera situationer där många olika designer fungerar lika bra och erbjuder formgivare hela familjer av kandidatlösningar istället för ett enda svar.

Metamaterial som känner, beslutar och reagerar

Bortom designautomatisering beskriver författarna ”intelligenta meta‑enheter” som fungerar mer som levande system än statiska komponenter. Dessa enheter är organiserade kring tre moduler: perception, beslut och handling. Perception använder sensorer eller vågorna själva för att övervaka omgivningen — till exempel för att följa rörliga objekt, föränderliga bakgrunder eller trådlös trafik. En beslutmodul, ofta driven av AI, lär sig hur det övergripande mönstret på en metayta bör ändras för att uppnå ett mål, såsom att dölja ett mål eller förbättra en trådlös länk. Handlingsmodulen är en ställbar metayta byggd av element som kan omprogrammeras elektriskt, mekaniskt eller optiskt i realtid. Demonstrationer inkluderar redan en mikrovågsmantel med ”kameleontliknande” anpassning till nya bakgrunder, och smarta reflekterande väggar som hanterar trådlösa kanaler i farten, sparar energi och minskar störningar.

Använda vågorna själva för att beräkna

Påverkan går också åt andra hållet: metamaterial ger AI en ny typ av hårdvara. Istället för att representera tal som spänningar i en krets tillåter vågbaserad beräkning ljus eller radiovågor att bära och bearbeta information direkt när de sprids, diffrakterar och interfererar. Noggrant utformade metamaterial kan uppträda som fysiska neurala nätverk, matris­multiplikatorer eller till och med ekvationslösare. Ljus som passerar genom staplade mönstrade lager kan utföra samma operationer som ett djupt neuralt nätverk, men i ett enda språng i ljusets hastighet. Andra strukturer fungerar som omedelbara kantdetektorer för bilder, integratorer eller logiska grindar och erbjuder ultrarapid, låg‑effekt bearbetning som kan komplettera konventionell elektronik i uppgifter som realtidssensorik, autonom körning eller vetenskaplig avbildning.

Utmaningar och framtidsutsikter

Författarna betonar att denna framväxande ”metamaterialintelligens” fortfarande är i sin linda. Stora utmaningar inkluderar att samla tillräckligt med högkvalitativ data för att träna robusta modeller, minska behovet av att lära om från början för varje ny enhet och driva hårdvaran att hantera icke‑linjära effekter och storskaliga system. Det finns också öppna vetenskapliga frågor: Kan AI på ett pålitligt sätt avslöja dolda fysikaliska samband snarare än att bara passa kurvor? Hur bör vi kvantifiera osäkerhet när designer möter verkliga tillverkningsfel? Trots dessa hinder målar översikten upp en levande bild av en framtid där AI‑designade, vågbaserade strukturer tyst hanterar det elektromagnetiska rummet — styr signaler, förbättrar kommunikation och utför specialiserade beräkningar i bakgrunden, ungefär som ett osynligt nervsystem för vår tekniska omgivning.

Citering: Qian, C., Kaminer, I. & Chen, H. A guidance to intelligent metamaterials and metamaterials intelligence. Nat Commun 16, 1154 (2025). https://doi.org/10.1038/s41467-025-56122-3

Nyckelord: metamaterial, metaytor, artificiell intelligens, optisk beräkning, intelligenta enheter