Het idee dat objecten naadloos verdwijnen, niet alleen in gecontroleerde laboratoriumomgevingen maar ook in scenario's in de echte wereld, spreekt al lang tot de verbeelding van het volk. Dit concept belichaamt het traject van de menselijke beschaving, van primitieve camouflagetechnieken tot de geavanceerde op metamaterialen gebaseerde mantels van vandaag.

Onlangs werd dit doel verder benadrukt in Wetenschap , als een van de '125 vragen:verkenning en ontdekking'. Onderzoekers van de Zhejiang Universiteit hebben vooruitgang in deze richting geboekt door een intelligente aero-amfibische onzichtbaarheidsmantel te demonstreren. Deze mantel kan onzichtbaar blijven te midden van dynamische omgevingen en externe prikkels neutraliseren.

Ondanks tientallen jaren van onderzoek en de opkomst van talloze prototypes van onzichtbaarheidsmantels, blijft het bereiken van een aero-amfibische mantel die in staat is om in realtime elektromagnetische verstrooiing te manipuleren tegen steeds veranderende landschappen een enorme uitdaging. De hindernissen zijn veelzijdig, variërend van de behoefte aan afstembare metasurfaces met complexe amplitude tot de afwezigheid van intelligente algoritmen die in staat zijn inherente problemen aan te pakken, zoals niet-uniciteit en onvolledige invoer.

Om deze uitdagingen het hoofd te bieden, heeft een team van de Universiteit van Zhejiang een zelfrijdende, verhulde onbemande drone onthuld. Zoals gerapporteerd in Advanced Photonics , integreert deze drone naadloos functionaliteiten voor perceptie, besluitvorming en uitvoering.

De sleutel ligt in spatiotemporele modulatie toegepast op herconfigureerbare metasurfaces, waardoor de aanpassing van verstrooiingsvelden over ruimte- en frequentiedomeinen mogelijk wordt. Om deze innovatie aan te moedigen, stellen ze een neuraal netwerk voor generatie-eliminatie voor, ook wel bekend als stochastisch-evolutieleren.

Dit netwerk begeleidt wereldwijd de spatiotemporele metasurfaces en zoekt automatisch naar optimale oplossingen met maximale probabilistische gevolgtrekking, waardoor de één-op-veel-problemen worden opgelost die inherent zijn aan het inverse ontwerp. In een baanbrekend experiment implementeerde het team dit concept op een onbemand droneplatform, waarmee adaptieve onzichtbaarheid werd gedemonstreerd in drie canonieke landschappen:zee, land en lucht.

Deze samensmelting van spatiotemporele metasurfaces, deep learning en geavanceerde controlesystemen breidt het rijk van onzichtbaarheidsmantels uit naar luchtplatforms. Het geïntegreerde neurale netwerk fungeert als een geavanceerde commandant en ontrafelt de complexe interactie tussen golven en metasurfaces.

Deze doorbraak luidt een nieuw paradigma in invers ontwerp in, dat oplossingen biedt voor veel-op-veel-correspondenties. Naast directe toepassingen dient dit werk als katalysator voor inspirerend toekomstig onderzoek op het gebied van materiaalontdekking en de ontwikkeling van adaptieve meta-apparaten. In de toekomst kunnen verdere verbeteringen de huidige beperkingen aanpakken, zoals bandbreedtebeperkingen en uitdagingen die verband houden met volledige polarisatie.

Meer informatie: Chao Qian et al, Autonome aeroamfibische onzichtbaarheidsmantel met stochastisch-evolutieleren, Geavanceerde fotonica (2024). DOI:10.1117/1.AP.6.1.016001

Geleverd door SPIE