AI颠覆光学设计，斯坦福MetaChat平台实现11分钟智能协同

近日，斯坦福大学推出了一套结合计算工具与AI助手的创新框架，能够显著加速自由曲面超表面及相关光学系统的设计流程。该工具平台被命名为“MetaChat”，旨在通过自反思AI智能体与快速仿真技术，实现实时协作设计。

这项发表于《科学进展》的研究成果将简化复杂的设计任务，减轻光学设计师的工作负担，从而推动先进光子系统的研发。MetaChat采用多智能体框架，通过迭代流程实现AI智能体与代码工具、其他专业智能体及人类设计师的交互协作，其核心目标是将语义描述的光子设计需求转化为高性能的自由曲面器件设计方案。

MetaChat通过融入人机交互推动创新与发现

斯坦福大学Jonathan Fan教授表示：“这种将智能体人工智能与高速替代计算模型相结合的技术具有开创性。我们构建了多个智能体，它们能够与计算工具及用户协同处理复杂设计任务，这蕴含着巨大的发展潜力。”

在开发MetaChat的过程中，研究团队首先构建了能够求解电磁场基本方程——麦克斯韦方程组的深度学习神经网络，随后创建了分别扮演光学设计师与材料专家角色的AI智能体。为提升决策能力，团队通过提示工程赋予AI自主行动权，包括自我反思能力。MetaChat将这些计算工具与AI智能体整合于统一的聊天交互界面，用户可通过自然语言指令提交设计需求。

超表面技术是MetaChat能发挥显著优势的领域之一。为充分发挥超表面的光学特性，其微结构设计需要大量模拟电场与磁场的产生及动态变化过程。传统设计流程中，这类仿真计算往往需要历经成千上万次试错迭代。

快速AI协作，保留人类洞察
斯坦福大学的Robert Lupoiu对此评论道：“对于大型器件设计而言，这个过程确实会像滚雪球一样，通常需要数周甚至数月才能完成。”

MetaChat能够显著简化这一流程。例如，在斯坦福大学的研究项目中，团队要求该系统设计一款能同时将蓝光聚焦于一点、红光聚焦于另一点的透镜。项目中扮演材料专家的AI智能体首先查询数据库，筛选出具备所需特性的材料；随后，担任设计师的AI智能体开始配置微结构单元，并向卢波伊乌提出细节问题以澄清需求。

最终，该项目仅用11分钟就通过MetaChat生成了一个可下载的设计方案，其性能可与当前最先进的器件相媲美。

斯坦福研究团队预测，类似的自主AI智能体系统有望加速光学技术其他领域的发展。研究人员可以开发各自专业的、具备自我反思能力的AI智能体，这或将促成快速的跨学科协作。

“目前光学设计师严重短缺，”Jonathan Fan指出，“市场对各类光子系统构建人才的需求巨大，因此我认为此类技术能真正提供助力。但这类平台并不会取代人类。我们的目标是充分利用人类的洞察力——毕竟，提出正确的问题、识别设计中的不足，始终需要人类的智慧。”