초유닛 위상 스펙트럼 응답의 빠르고 정확한 예측은 초렌즈 역설계의 핵심입니다. 전통적인 전자기 시뮬레이션 방법이 계산 비용이 높고 효율이 낮으며 초표면 장치의 지능형 설계 요구를 충족하기 어려운 문제를 해결하기 위해 채널 어텐션 메커니즘 기반의 합성곱 신경망(ECANet)을 제안하여 픽셀화된 초유닛 구조의 위상 스펙트럼 순방향 예측을 구현했습니다. 픽셀화된 초유닛 시뮬레이션 데이터셋을 기반으로 ECANet의 학습 및 검증 결과, 설계 대역 내 위상 예측 평균 절대 오차(Mean Absolute Error, MAE)가 0.06 라디안 미만임을 보여줍니다; 학습된 ECANet을 입자 군집 최적화(Particle Swarm Optimization, PSO) 알고리즘에 삽입하여 고효율 무색수차 초렌즈 역설계 프레임워크를 구축했습니다. 시뮬레이션 결과, 설계된 초렌즈는 작동 대역 내 초점 거리 변동이 2% 미만으로 우수한 무색수차 집속 성능을 실현했습니다. 이 설계 프레임워크는 ECANet의 빠른 위상 예측을 통해 전통적인 유한 차분 시계열법(Finite Difference Time Domain, FDTD) 시뮬레이션을 대체하여 초렌즈 설계의 전체 계산 효율을 약 두 자릿수 향상시키고 설계 정확도를 유지하면서 연구 개발 주기를 크게 단축했습니다. 본 연구는 가시광선 초표면 장치의 효율적이고 지능적인 설계를 위한 새로운 기술 경로를 제공하며 집적 광학, 초소형 영상 시스템 등 분야에서 좋은 응용 전망을 가집니다.

딥러닝; 무색수차 초렌즈; 역설계; 입자 군집 최적화 알고리즘