超ユニットの位相スペクトル応答の高速かつ正確な予測は、超レンズの逆設計の鍵となります。従来の電磁気シミュレーション手法は計算コストが高く効率が低いため、超サーフェスデバイスのスマート設計ニーズを満たすことが難しい問題に対し、チャネル注意メカニズムに基づく畳み込みニューラルネットワーク（ECANet）を提案し、ピクセル化された超ユニット構造の位相スペクトルの順方向予測を実現しました。ピクセル化された超ユニットのシミュレーションデータセットに基づくECANetの訓練および検証の結果、設計帯域内の位相予測の平均絶対誤差（Mean Absolute Error、MAE）は0.06ラジアン未満でした。訓練済みのECANetを粒子群最適化（Particle Swarm Optimization、PSO）アルゴリズムに組み込み、高効率な色収差補正超レンズ逆設計フレームワークを構築しました。シミュレーション結果は、設計した超レンズが動作帯域内で焦点距離の変動が2％未満であり、良好な色収差補正性能を実現していることを示しています。この設計フレームワークは、従来の有限差分時間領域法（Finite Difference Time Domain、FDTD）シミュレーションをECANetによる高速な位相予測に置き換え、超レンズ設計の全体的な計算効率を約2桁向上させ、設計精度を維持しながら研究開発期間を大幅に短縮しました。本研究は可視光超サーフェスデバイスの高効率でスマートな設計の新しい技術パスを提供し、集積光学やマイクロイメージングシステムなどの分野で良好な応用展望を持ちます。

深層学習; 色収差補正超レンズ; 逆設計; 粒子群最適化アルゴリズム