图1：应用于超表面逆向设计的知识继承神经网络示意图。（a） 以房屋建筑类比传统神经网络和知识继承网络。在砖石建筑中，所有砖块都用砂浆堆叠并被固定，而集装箱式建筑则用可拆卸的“面板”组件建造。（b）知识继承范式。与“一砖一瓦”的砖石建筑类似，传统的神经网络一旦建立起来就不可分割、僵化、功能单一。与之相反，知识继承神经网络适用于面向多对象的以及形状不固定的超表面设计任务。它由两个功能网络组成，INN和SNN。对于给定的“后代”超表面，可以通过组装INN和动态调整SNN来合成最终的网络架构。
图2：知识继承范式的整体架构与网络结构。（a）知识继承范式的流程图。为了匹配继承-组装方案，建立了两个网络（INN和SNN），INN负责每个“面板”超表面的逆向设计，SNN旨在探索全局目标电磁响应和每个“面板”超表面提供的局部电磁响应之间的关系。在该范式中，所有局部“面板”超表面被建立成为一个数据库，其中包含七个具有不同倾斜角度（沿方向倾斜）的局部面板，包括0°、±10°、±20°、-30°和45°。不规则非周期超表面由面板A、B、F、G提供的49个局部面板组成。（b）知识继承神经网络的结构。SNN是一个由卷积神经网络组成的双输出网络，INN被建立为具有两个模块的双输入双输出网络。即，用于逆向设计的卷积神经网络模块和用于正向映射的物理辅助模块（所有数字下标表示滤波器的数量），两个模块由中间相位分布连接。
图3：迁移学习和知识继承网络的比较。（a）迁移学习一种从计算机科学延伸而来的算法，性能不稳定，且依赖于特征的暴力攻击，缺乏合理的解释。（b）知识继承学习是一种特有的方法，往往带来性能的增益，存在明确的物理解释和关联。
图4：周期性“子代”超表面及其在未来卫星通信应用的设想。（a）周期性可折叠超表面的组装过程。三个具有不同可拉伸角度（±20°、±10°和0°）的“子代”超表面由面板D/E、面板B/C和面板A组装而成，缩写为子代1/2/3。每个“后代”元表面包含16个面板（包括16×64个单元），其中8个沿y轴延伸，2个沿x轴延伸。（b）基于智能可折叠超表面的卫星通信示意图。作为一种灵活、超薄和低成本的自由波束调控器件，可折叠超表面可以被安装在卫星的机翼上，实现自由折叠和拉伸。结合适用于多目标场景的知识继承范式，可折叠超表面可以实现卫星-卫星通信和卫星-地球通信。
免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理，所有来稿文责自负，两江仅作分享平台。转载请注明出处，如原创内容转载需授权，请联系下方微信号。
