AI顛覆光學設計，斯坦福MetaChat平臺實現11分鐘智能協同

近日，斯坦福大學推出了一套結合計算工具與AI助手的創新框架，能夠顯著加速自由曲面超表面及相關光學系統的設計流程。該工具平臺被命名為“MetaChat”，旨在通過自反思AI智能體與快速仿真技術，實現實時協作設計。

這項發表于《科學進展》的研究成果將簡化復雜的設計任務，減輕光學設計師的工作負擔，從而推動先進光子系統的研發。MetaChat采用多智能體框架，通過迭代流程實現AI智能體與代碼工具、其他專業智能體及人類設計師的交互協作，其核心目標是將語義描述的光子設計需求轉化為高性能的自由曲面器件設計方案。

MetaChat通過融入人機交互推動創新與發現

斯坦福大學Jonathan Fan教授表示：“這種將智能體人工智能與高速替代計算模型相結合的技術具有開創性。我們構建了多個智能體，它們能夠與計算工具及用戶協同處理復雜設計任務，這蘊含著巨大的發展潛力。”

在開發MetaChat的過程中，研究團隊首先構建了能夠求解電磁場基本方程——麥克斯韋方程組的深度學習神經網絡，隨后創建了分別扮演光學設計師與材料專家角色的AI智能體。為提升決策能力，團隊通過提示工程賦予AI自主行動權，包括自我反思能力。MetaChat將這些計算工具與AI智能體整合于統一的聊天交互界面，用戶可通過自然語言指令提交設計需求。

超表面技術是MetaChat能發揮顯著優勢的領域之一。為充分發揮超表面的光學特性，其微結構設計需要大量模擬電場與磁場的產生及動態變化過程。傳統設計流程中，這類仿真計算往往需要歷經成千上萬次試錯迭代。

快速AI協作，保留人類洞察
斯坦福大學的Robert Lupoiu對此評論道：“對于大型器件設計而言，這個過程確實會像滾雪球一樣，通常需要數周甚至數月才能完成。”

MetaChat能夠顯著簡化這一流程。例如，在斯坦福大學的研究項目中，團隊要求該系統設計一款能同時將藍光聚焦于一點、紅光聚焦于另一點的透鏡。項目中扮演材料專家的AI智能體首先查詢數據庫，篩選出具備所需特性的材料；隨后，擔任設計師的AI智能體開始配置微結構單元，并向盧波伊烏提出細節問題以澄清需求。

最終，該項目僅用11分鐘就通過MetaChat生成了一個可下載的設計方案，其性能可與當前最先進的器件相媲美。

斯坦福研究團隊預測，類似的自主AI智能體系統有望加速光學技術其他領域的發展。研究人員可以開發各自專業的、具備自我反思能力的AI智能體，這或將促成快速的跨學科協作。

“目前光學設計師嚴重短缺，”Jonathan Fan指出，“市場對各類光子系統構建人才的需求巨大，因此我認為此類技術能真正提供助力。但這類平臺并不會取代人類。我們的目標是充分利用人類的洞察力——畢竟，提出正確的問題、識別設計中的不足，始終需要人類的智慧。”