2024-10-17
各学院(部)：
为更好开展新工科毕设项目，提升项目质量和水平，“基于人工智能技术的微结构超材料设计”新工科毕业设计项目现面向全校教师和毕业班学生进行招募。现将有关事项通知如下。
一、项目背景、目的及意义
光学微结构超材料是一种人工设计的材料，通过微观结构的精密设计，实现对光学性能的精细调控。这种材料通常可以展现出常规材料所不具备的优异光学性能，如电磁诱导透明、异常偏折等，对于光学通信、成像、传感等领域都具有重要意义。现有的优化过程较为复杂，人工智能技术可以用于快速、高效的分析整个设计空间，帮助优化微结构超材料的设计，极大的提高了设计效率、拓展设计空间、推动新型材料结构的发现和光学器件性能的提升。
二、项目已具备的条件
项目于2022年开始构想，并通过文献调研和讨论对内容进行明确和丰富。本学院指导老师和智算学部人工智能方向的老师有深厚的合作基础，前期已沟通形成团队，近两年在国内外多个知名期刊发表了系列论文，其成果得到了业内专家的认可。团队成员对微结构超材料仿真与实验、数据集建立、深度学习核心代码编写等技术都有扎实的基础，通过对本项目的技术路线进行了详细论证，有信心实现光学与AI领域的跨学科创新性毕业设计任务要求。
三、项目期限与目标
项目期限：2024年11月至2025年6月
项目目标：制定基于人工智能技术设计微结构超材料的整体方案，建立深度学习所需图片的数据集，采用CNN（卷积神经网络）、RNN（循环神经网络）等网络模型实现深度学习对微结构超材料参数到光学响应的正、逆向预测，基于python等语言编译环境撰写核心模型代码，获取满足目标响应的微结构超材料参数，并利用计算机视觉等技术进行参数及图像的进一步优化。通过对获得的器件参数进行最终测试，验证模型的整体学习效果，确定是否满足项目预期。
四、项目主要方向及任务
本项目的预期工作流程是通过前期仿真测试确定微结构超材料的建模形式及优化起点的选择，根据目标响应需求构建对应的光学器件数据集。之后利用深度学习或其他机器学习技术完成参数的正向性能分析以及光谱的逆向学习过程，并利用计算机视觉领域的相关技术进行参数和图像的进一步优化。最后进行模型的整体学习效果测试，确定器件性能是否达标。
基于这些内容，我们设置了三个方向的研究任务:
方向1：基于深度学习的微结构超材料设计与研究
研究任务1：调研目前微结构超材料的设计方式，总结分析深度学习方案相对于常规结构设计方法的优势，确定基于深度学习设计微结构超材料的整体方案。构建数据集，完成可供模型学习的前期相关数据准备。基于深度学习技术对太赫兹波段的微结构超材料进行预测和设计。
方向2：基于计算机视觉的微结构超材料优化
研究任务2：基于计算机视觉技术帮助分析微结构超材料的图像特征，包括结构样式、孔隙分布、周期性等信息，为设计者提供更全面的基础数据和特征描述；对微结构超材料的光谱响应，利用机器视觉等领域相关技术对图像进一步增强，实现数据驱动设计，优化微结构超材料的结构参数和整体性能。
方向3：深度学习核心模型的建立及代码编写
研究任务3：针对项目需求选取适合的深度学习模型（例如CNN、RNN等），完成代码编写，根据模型的实际计算效果，调整损失函数、参数选取以及网络架构设计等进行进一步优化，实现具有微结构超材料计算功能的深度学习模型搭建。
五、招募要求：
拟招募选题学生的学院：精仪学院、智算学部。
六、报名及联系方式：
相关课题细节以及其他未尽事宜请咨询项目组联系人：吴亮，联系方式：wuliang@tju.edu.cn
欢迎各位同学踊跃报名，期待你的加入！
新工科毕设工作组
2024年10月17日