研究背景：

时空编码超表面通过对超表面单元阵列施加时空调制的编码序列，可在空间域与频率域上实现联合调控，形成灵活的多谐波波束成形，从而显著拓展了超表面的功能范围。传统时空编码超表面的编码序列设计通常依赖迭代优化，如粒子群优化算法。这些迭代算法计算量大且缺乏实时适应性，每次生成新的目标辐射模式都需要重头开始优化。相比之下，基于深度学习的方法一旦训练完成即可对任意的波束要求实现实时的编码设计。然而，常用的基于监督学习的深度学习技术在训练数据准备上需要消耗大量的时间和计算资源，因此开发一种低数据获取成本的编码序列设计深度学习网络在科学研究和工程运用上都有重要的价值。

文章概述：

东南大学崔铁军教授、刘彻副教授课题组与北京大学李廉林教授联合报道了一种用于时空编码超表面编码序列设计任务的物理驱动深度学习方法。此方法通过引入电磁物理机理（将时空编码超表面波束成形的远场近似公式嵌入深度学习网络），实现了非监督的深度学习，从而无需准备成对标注的训练数据样本（仅需要目标方向图即可训练），极大缓解了数据准备的负担。为了实现多比特编码设计，并协调不同谐波频率处波束成形任务间的难度不平衡问题，此方法还创新性地设计了对应的网络输出结构和参数优化策略，最终在训练完成后能够对5个谐波的任意单双波束要求实现2比特编码序列的实时设计，波束成形效果也得到了实测验证。

图文导读：

图1.算法的整体框架图

图1给出了论文中算法的整体流程。首先各谐波处的目标波束方向图在通道维度进行拼接形成了多通道图片，之后将图片输入神经网络ResNet34，最后神经网络输出设计的编码序列。在训练过程中，会根据输出的编码序列利用远场近似公式计算预测的远场方向图，其与目标方向图之间的差别将使用余弦嵌入损失函数（Cosine Embedding Loss）计算损失并被用于网络参数更新。远场近似公式的可微性保证了此梯度能够在网络训练中反向传递。同时，为了解决因输出编码的离散化而导致的梯度中断问题，论文还提出了能够适用于任意比特离散编码的网络输出策略。

此外，多谐波波束成形的编码设计有一个特有的难点，就是其是一个多任务优化问题（即每个谐波频率处的波束优化都视为一个优化任务），从而非常容易陷入某个任务优化的过好，而其他任务性能欠佳的不平衡问题。论文创新性得引入了多任务学习中的梯度协调方法（Conflict-Averse Gradient Descent, CAGrad）用于处理此问题，保证了神经网络在训练过程中的参数更新方向能够平衡所有任务的优化需求。

图2展示了论文所提方法的多谐波波束成形设计结果与离散粒子群优化算法（PSO）结果的对比，本论文所提方法不论是在波束质量和设计效率上都远好于PSO算法。图3展示了用于实测验证的时空编码超表面和测试场景照片，实测结果展示于图4，证明了本文所提方法的有效性。

图2 论文提出方法的多谐波波束成形设计结果与离散粒子群优化算法（PSO）的结果对比图

图3.实测所采用的时空编码超表面和测试场景图

图4.实测所用的编码序列以及相应的实测波束效果。每行第一张方向图是理论波束成形方向图，第二张图为实测结果

总结与展望：

本文提出了一种电磁物理方程驱动的非监督深度学习框架，可针对每个谐波频率的任意单波束和双波束方向图设计需求，在所有谐波频率下生成统一的时空编码模式。该方法具有三大创新：电磁物理驱动实现无需成对训练数据的非监督学习、支持任意bit超表面的离散优化，以及冲突规避梯度下降（CAGrad）方法协调不同谐波频率方向图优化的多任务效果平衡。在2比特时空编码超表面上的实验表明，该方法在五个谐波频率上都展现出强大的波束成形能力，实时设计时间小于0.1秒。与粒子群优化方法相比，波束效果更优且优化效率提升四个数量级。本研究为下一代无线系统中的智能超表面调控建立了实时且物理驱动的设计范式。

论文信息：

Physics-Informed Deep Learning Method for Real-Time Multi-Harmonic Beamforming Based on Space-Time-Coding Metasurface

Jiang Han Bao, Che Liu, Yi Ning Zheng, Lei Zhang, Wen Ming Yu, Lianlin Li, Tie Jun Cui

Advanced Electronic Materials

DOI:10.1002/aelm.202500595

原文链接：https://doi.org/10.1002/aelm.202500595

期刊简介：

Advanced Electronic Materials重点发表物理：应用、材料科学：综合、纳米科技相关方向的文章。该期刊是一个跨学科论坛，在材料科学，物理学，电子和磁性材料工程领域进行同行评审，高质量，高影响力的研究。除了基础研究外，它还包括电子和磁性材料、自旋电子学、电子学、器件物理学和工程学、微纳机电系统和有机电子学的物理和物理性质的研究。