超表面全息成像技术：GS算法在超透镜中的应用探究
超表面全息成像超透镜gs算法
超表面这玩意儿最近几年火得不行，尤其是做全息成像的哥们儿，谁手里没几个超透镜项目都不好意思说自己在搞光学。今天咱们就掰扯掰扯怎么用GS算法给超透镜整出个靠谱的相位分布——说人话就是让光波按咱们设计的路线走。
GS算法全名Gerchberg-Saxton，听着像德国啤酒牌子，实际就是个相位恢复的经典套路。原理简单来说就是目标图和相位来回倒腾，直到俩条件都满足。咱举个栗子，假设要生成个字母"H"的全息图：
import numpy as np import matplotlib.pyplot as plt N = 512 # 像素数 wavelength = 532e-9 # 绿光波长 pixel_size = 8e-6 # 超表面单元尺寸 k = 2*np.pi/wavelength # 创建目标图像 target = np.zeros((N,N)) target[N//2-20:N//2+20, N//2-5:N//2+5] = 1 # 中间竖条 target[N//2-5:N//2+5, N//4:3*N//4] = 1 # 横杠这段代码先搞了个512x512的画布，手动画出字母H的形状。接下来进入GS算法的核心循环：
phase = np.random.rand(N,N) * 2*np.pi # 随机初始相位 for _ in range(50): # 迭代50次 # 正向传播到远场 field = target * np.exp(1j*phase) far_field = np.fft.fftshift(np.fft.fft2(field)) # 施加远场振幅约束（假设平面波入射） far_field_amp = np.abs(far_field) far_field = np.ones_like(far_field) * np.exp(1j*np.angle(far_field)) # 逆向传播回超表面 near_field = np.fft.ifft2(np.fft.ifftshift(far_field)) phase = np.angle(near_field) # 更新相位这里有几个骚操作需要注意：远场振幅被强行设成均匀分布，相当于假设入射光是完美平面波。每次迭代其实就是把相位信息往目标图像上硬怼，相当于在实空间和傅里叶空间来回踢皮球。
跑完50轮之后，咱们得验证下相位分布的效果：
# 重建验证 reconstructed = np.abs(np.fft.fftshift(np.fft.fft2(np.exp(1j*phase)))) plt.figure(figsize=(12,4)) plt.subplot(131) plt.imshow(target, cmap='gray') plt.title('目标图像') plt.subplot(132) plt.imshow(phase, cmap='hsv') plt.title('优化后相位') plt.subplot(133) plt.imshow(reconstructed**0.3, cmap='gray') # Gamma校正 plt.title('重建效果') plt.show()这里有个经验技巧——对重建结果做0.3次方的Gamma校正。因为光强分布动态范围太大，直接显示会糊成一片。实际做超表面加工时，得把连续相位量化到纳米结构的几何参数上，比如用纳米柱的高度或直径对应相位延迟。
超表面全息成像超透镜gs算法
不过GS算法也有翻车的时候，比如容易陷入局部最优。这时候可以试试在更新相位时加点噪声：
phase = np.angle(near_field) + 0.1*np.random.randn(N,N) # 加噪版相位更新这招相当于给算法喂了瓶红牛，让它能跳出局部坑。但噪声强度得控制好，不然就成布朗运动了。
最后说个实战中的坑：超表面单元之间的耦合效应。仿真时假设每个纳米柱独立工作，实际相邻结构会互相影响。解决办法要么在算法里加耦合补偿项，要么留出安全间距。搞物理的兄弟经常因为这个和做算法的干架——仿真美如画，实测渣成狗的情况太常见了。
总之，GS算法就像炒菜的大勺，能不能做出满汉全席，还得看火候把控和佐料搭配。下次如果有人跟你说超表面设计就是调调相位，请反手甩他一脸傅里叶变换。