metalens 宽带消色差超构透镜模型 宽带消色差聚焦超构透镜，利用粒子群优化算法实现多个波长得相位匹配，达到宽波段同时聚焦在同一焦平面的效果， 该案例模型包括粒子群优化算法，代码超构透镜的建模脚本，模型，宽带设计原理，参考文献和一份word教程，该算法可以拓展到任意波段的设计
当传统透镜还在跟色差较劲的时候，超构透镜已经悄悄玩起了魔术。今天要聊的这个金属透镜有点意思——它能让彩虹里的所有颜色乖乖聚焦在同一个点上，就像把七色光训练成一支纪律严明的军队。
先别急着喊Amazing，这背后的粒子群优化算法（PSO）才是真导演。咱们的代码里藏着这么个片段：
def evaluate_fitness(particle): phase_errors = [] for wavelength in [450e-9, 550e-9, 650e-9]: target_phase = 2*np.pi*(focal_length)/wavelength actual_phase = compute_phase(particle, wavelength) phase_errors.append(np.abs(target_phase - actual_phase)**2) return np.sum(phase_errors)这段代码就像个严格的教官，同时盯着蓝、绿、红三个波长（450nm/550nm/650nm）的相位匹配情况。平方误差求和的设计让优化过程自动寻找三者平衡点，相当于让三个调皮蛋手拉手同步前进。
传统方法处理宽带消色差就像用美图秀秀修合影——总有人脸是糊的。而我们的粒子群算法直接给每个纳米级结构单元安排了智能导航：
particles = np.random.rand(200, N_structures) * design_range velocities = np.zeros_like(particles) for epoch in range(500): for i in range(200): current_fitness = evaluate_fitness(particles[i]) if current_fitness < personal_best[i]: personal_best[i] = particles[i] pbest_fitness[i] = current_fitness gbest_index = np.argmin(pbest_fitness) global_best = personal_best[gbest_index] inertia = 0.7 * velocities cognitive = 1.5 * np.random.rand() * (personal_best - particles) social = 1.8 * np.random.rand() * (global_best - particles) velocities = inertia + cognitive + social particles = np.clip(particles + velocities, 0, design_range)200个粒子在500代进化中跳着协同优化的探戈，惯性项保持探索步伐，认知项记录个人最佳战绩，社会项则追随群体智慧。这种三维参数空间的集体舞，传统梯度下降算法看了都要怀疑人生。
建模脚本里有个骚操作——用傅里叶变换偷看光的未来：
def compute_focal_spot(field): psf = np.fft.fftshift(np.fft.fft2(np.fft.fftshift(field))) return np.abs(psf)**2这个函数像时空侦探，把超表面的近场分布瞬间切换到远场焦点。通过逆向工程焦点质量，我们能反推每个纳米结构的最优形状，这比直接求解麦克斯韦方程聪明多了。
要说这设计最妙的地方，是它的波段扩展性。想搞红外线？改个波长参数的事：
wavelengths = np.linspect(800e-9, 2000e-9, 10) # 红外波段采样配合材料数据库里的硅、氮化镓等红外兼容材料，立马变身夜视装备核心。这种灵活性让传统折射透镜显得像上个世纪的古董。
当然，这算法也不是吃素的，运行时记得给你的CPU准备好冰镇饮料。不过想想能同时搞定二十个波段的聚焦优化，多等几分钟算什么？总比做二十次独立优化再手动拼凑强。
最后提一嘴，代码包里那个自适应权重调整模块才是隐藏BOSS。它能在优化初期让粒子满场撒欢探索，后期又稳如老狗精细调参，这种动态平衡术才是PSO算法在超透镜设计里封神的关键。
参考文献里那几篇Nature子刊的文章建议搭配代码服用，效果更佳。至于Word教程...就当是学霸的课堂笔记吧，关键时刻能救命的那种。
