超表面是一种二维人工纳米结构，能够实现多种光学现象和灵活的光操控能力。在实际应用中，如全息成像、亚衍射成像和矢量场等，多光学参数超表面具有显著优势。目前的研究通常集中在调制一两个光学参数，而实现多个光学参数的独立和同时控制面临设计策略缺失、操控通道有限和信噪比问题等挑战。EPs是两个或更多本征值及其对应本征矢量同时合并的点，具有拓扑鲁棒性和迷人的黎曼面参数空间，为多光学参数电磁场调制和开发紧凑集成器件提供了新的研究前景。
文章提出了一种深度学习方法，用于快速发现散射EPs，并充分利用围绕它们分布的散射光学参数。这种方法能够高效地总结散射EPs的拓扑特性，并通过调整EP条件轻松扩展到其他非厄米特系统。构建了一个双向神经网络，包括一个前向预测神经网络（PNN）和一个逆向神经网络（INN）。PNN用于将结构参数映射到散射矩阵的点，而INN用于从期望的光学特性反向检索结构参数。通过模拟生成了3500个数据库，每个数据库包含结构参数和对应的散射矩阵。这些数据被用来训练和测试神经网络，其中70%用于训练，30%用于测试。
通过PNN，研究者能够快速准确地预测EPs的位置，并观察到围绕EPs的拓扑电荷守恒现象。EPs的出现伴随着2π相位积累和奇异值幅度变化，这种现象被称为异常拓扑相（ET相）。利用EPs的ET相随波长变化的特性，设计了一个WDM超表面，能够在532 nm和633 nm两个不同波长下分别显示不同的全息图像。结合ET相和Pancharatnam-Berry（PB）相，设计了一个能够在S21通道实现灰度成像和全息成像的超表面，同时在S12通道保持不变，从而实现了两个交叉圆偏振通道的独立控制。
通过电子束光刻技术制造了多通道手性超表面，并进行了光学测量。实验结果表明，WDM超表面在532 nm和633 nm波长下分别成功重建了不同的全息图像，而幅度-相位复用超表面在633 nm波长下实现了灰度成像和全息成像，且两个通道之间没有串扰。深度学习方法能够快速准确地发现EPs的拓扑结构，为相关物理现象的研究提供了有力工具。
文献来源：Fu, P., Du, S., Lan, W. et al. Deep learning enabled topological design of exceptional points for multi-optical-parameter control. Commun Phys 6, 254 (2023).
作者：Peng Fu, Shuo Du, Wenze Lan, Leyong Hu, Yiqing Wu, Zhenfei Li, Xin Huang, Yang Guo, Weiren Zhu, Junjie Li, Baoli Liu & Changzhi Gu
报告人：王艺
