生成式AI设计并实验验证超宽带近零介电常数完美吸收器

Advanced science (Weinheim, Baden-Wurttemberg, Germany) · 2026-09-27 · 期刊论文

• 一句话结论：结论方向：研究提示生成式深度神经网络可辅助设计超薄多层近零介电常数吸收器，并在实验中实现近红外超宽带近完美吸收；证据档位为C，属材料设计与实验演示类研究，方向为性能提升但需外部重复验证。
• 研究设计与做法：研究设计与做法：为算法驱动的材料设计加实验演示研究，非临床研究。以生成式深度神经网络学习高性能多层结构分布，优化折射率、层序与厚度以最大化宽带吸收；随后按AI给出的优化结构进行制备与光学表征；样本量、随访时长材料未报告。
• 主要结果：主要结果：实验演示的优化结构在近红外波段超过1000 nm带宽内吸收率超过98%，结构总厚度小于160 nm；作者称其为创纪录的宽带性能。材料未报告置信区间、p值、重复次数与误差范围，也未报告与其他设计基线的定量对比数据。
• 机制或解释：机制或解释：作者将性能归因于生成模型对多层折射率、层排布与厚度的联合优化，使结构在近零介电常数条件下实现宽带阻抗匹配与吸收增强；并强调算法与先进制备工艺结合可扩展至高效率纳米光子器件。
• 局限与边界：局限与边界：材料未报告制备良率、大面积均匀性、角度与偏振依赖性、环境稳定性及重复性数据；未报告是否单中心或单批次制备；未报告利益冲突；AI设计结果向其他波段或材料体系的泛化能力尚不明确。
• 可否落地：可否落地：提示算法驱动光子设计可作为高效纳米光子器件的可扩展路径，对能源、传感与集成光学具有潜在意义；但当前证据为单次实验演示，尚不足以下结论认为其已具备工程化可靠性，需独立复现、面积放大与稳定性测试后方可评估实际应用价值。

🔗 打开原文

Dang D, Salib M, Dang Q 等

本文摘自《每日前沿研究简报 · 2026-09-30》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。