通向智能超材料与超材料智能的指南

为什么智能材料重要

想象一下能够增强你的 Wi‑Fi 的墙面、能让汽车在雷达上“消失”的车体表面，或是以光速进行 AI 计算的薄如纸片的芯片。本文综述探讨了两大迅速发展的领域——超材料（能够塑造波的人工结构）与人工智能（AI）——如何开始相互赋能。二者结合有望催生能感知、决策并自主行动的器件，以及用波而非电子来运算的新型计算机。

打造胜过自然的材料

超材料是由微小重复单元构成的人造结构，其单元尺寸小于它们所控制的光波或无线电波的波长。通过精心设计这些“元原子”，研究者可以以普通材料无法实现的方式弯曲、聚焦或隐藏电磁波——从而实现负折射、超分辨成像，甚至隐身斗篷。早期设计笨重且功能固定，但超薄的超表面让这些构想更具可行性，将控制范围从微波扩展到可见光，甚至声学和热学领域。然而，设计此类结构依然困难：每一次模式调整通常需要大量数值仿真和专家直觉，大多数成品器件只能在理想实验条件下完成单一任务。

人工智能作为设计者与副驾驶

深度学习——人工智能中擅长在复杂数据中发现模式的分支——正在改变超材料的构思与应用方式。工程师不再需要手动运行数千次物理仿真，而是训练神经网络作为超快的“替代”模拟器。一种称为正向预测的方向是将拟议结构输入网络，即刻预测其光学或无线响应。更困难的逆向设计则让 AI 提出能产生特定行为的结构——例如某种特定颜色、朝特定角度弯曲的光束，或高效的光学电路。先进模型，包括生成网络和“继承知识”方案，能够处理许多不同设计同样有效的情形，为设计者提供一整类候选解，而非单一答案。

会感知、决策并响应的超材料

除了设计自动化外，作者还描述了更像生命系统而非静态组件的“智能元件”。这些器件围绕感知、决策和执行三个模块组织。感知模块利用传感器或波本身监测环境——例如追踪移动物体、变化的背景或无线流量。决策模块通常由 AI 驱动，学习如何改变超表面的整体模式以达成目标，如隐蔽目标或改善无线链路。执行模块是由可在实时中通过电、机械或光学方式可重编程的单元组成的可调超表面。已有示范包括一种“变色龙式”的微波隐身罩，能自动适应新背景；以及可动态管理无线信道的智能反射墙，节省能量并减少干扰。

利用波本身进行计算

影响也在反向流动：超材料为 AI 提供了一种新型硬件。与将数值表示为芯片中电压不同，基于波的计算让光或无线电波在散射、衍射和干涉过程中直接承载并处理信息。精心设计的超材料可以表现为物理神经网络、矩阵乘法器，甚至方程求解器。光波通过叠层的图案层可以执行与深度神经网络相同的运算，但在一跃间以光速完成。其他结构则可作为图像的即时边缘检测器、积分器或逻辑门，提供超快、低功耗的处理能力，可在实时感知、自动驾驶或科学成像等任务中补充传统电子学。

挑战与前路

作者强调，这一新兴的“超材料智能”仍处于早期阶段。主要挑战包括收集足够高质量的数据以训练鲁棒模型、减少为每个新器件从头学习的需求，以及推动硬件应对非线性效应和大尺度系统的能力。还有一些未解的科学问题：AI 是否能可靠地揭示隐藏的物理关系，而不仅仅是拟合曲线？当设计面对真实制造误差时，我们应如何量化不确定性？尽管存在这些障碍，综述描绘了一个生动的未来图景：AI 设计的基于波的结构在后台悄然管理电磁空间——引导信号、增强通信并执行专用计算，像一个无形的神经系统一样嵌入我们的技术环境。

引用: 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

关键词: 超材料, 超表面, 人工智能, 光学计算, 智能设备