九三学社社员、湖北文理学院低维光电材料与器件湖北省重点实验室李望南博士在钙钛矿光伏电池领域研究取得重要成果，并以唯一通讯作者在国际能源领域顶级杂志Nano Energy上发表题为“Machine learning enabled development of unexplored perovskite solar cells with high efficiency” 的研究论文。
在该工作中，李望南博士团队将人工智能算法用于发现和探索未曾报道的高效钙钛矿电池。通过筛选符合条件的钙钛矿实验数据，进行模型构建，并找到最优机器学习算法，再将获得的优化算法用来预测未发现、未报道的高效率钙钛矿电池。根据机器学习算法的预测，该团队在实验上进行相关钙钛矿材料合成及电池器件制备。通过实验与理论比较，发现两者吻合的很好。在此基础上，为了进一步提高光电流密度和转换效率，团队通过光管理策略，在玻璃的入光面采用PDMS材质的纳米锥阵列结构设计，提高短路电流密度，相应地，转换效率也随之提升，电池稳定性方面展现出明显提升。
在机器学习深度学习与光子学设计融合的背景下，科研的边界持续扩展，创新成果不断涌现。从理论模型的整合到光学现象的复杂模拟，从数据驱动的探索到光场的智能分析，机器学习深度学习正以前所未有的动力推动光子学领域的革新。据调查，目前在Nature和Science杂志上发表的机器学习深度学习与光子学结合的研究主要集中在以下几个方面：
1.光子器件的逆向设计：通过智能算法，特别是深度学习，可以高效地进行光子器件的逆向设计，这在传统的多参数优化问题中尤为重要。
2.超构表面和超材料设计：机器学习深度学习被用于设计具有特定光学特性的超构表面和超材料，这些材料在光场调控中发挥着重要作用。
3.光学神经网络：光学神经网络是全光计算及全光大规模集成的有效实现途径，它们利用光学特性模拟神经网络的计算过程，展现出低能耗和高速度的潜力。
4.非线性光学与光子芯片：非线性光学材料和非厄米拓扑光子学为高性能片上处理方案提供了新的可能性，智能光子芯片在全光计算、信号处理和量子技术等领域具有广泛的应用前景。
5.智能光子系统的多任务优化：通过深度学习与拓扑优化的结合，可以同时优化多个光子器件的功能，提高设计效率并保证性能。
6.光子器件的制造与质量控制：机器学习深度学习可以辅助光学和光子学组件的制造过程，提高产品质量并降低成本。
为促进科研人员、工程师及产业界人士对机器学习深度学习在光子学设计领域应用技术以及光电仿真应用技术的掌握，特举办“机器学习深度学习驱动的光子学设计与应用”“COMSOL Multiphysics多物理场仿真技术与应用”光电专题线上培训班（三十八期）”专题培训会议，本次培训会议主办方为北京软研国际信息技术研究院，承办方为互动派（北京）教育科技有限公司，会议会务合作单位为北京中科四方生物科技有限公司，具体相关事宜通知如下：
★ 目录 ★
专题一
（在线直播）
（详情内容点击查看）
2024年06月08日-06月09日
2024年06月15日-06月16日
专题二
（在线直播）
（详情内容点击查看）
2024年05月25日-05月26日
2024年06月01日-06月02日
专题三
（精品录播）
（详情内容点击查看）
专题四
（精品录播）
（详情内容点击查看）
适用人群
光子学与光电子学、无线电电子学、物理学、材料科学、电信技术、自动化技术、仪器仪表工业、电气工程、电力工业、计算机软件及计算机应用、工业通用技术及设备、生物医学工程、金属学、生物医学工程等领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。
培训讲师
1
机器学习深度学习与光子学讲师
来自国家“985工程”重点高校的老师，授课讲师有着丰富的Lumerical、Python使用经验，以第一/通讯作者在《Nature Photonics》、《Advanced Materials》等国际Top期刊发表论文数十篇，被引3000余次。
擅长领域：微纳光子学、集成光学、光芯片、电磁超材料器件等。
2
COMSOL光电仿真讲师
来自国家“双一流”建设高校 、“211工程”“985工程”重点高校教师。
以第一/通讯作者身份著述的论文在众多顶级杂志发表：
《Nature Communications》
《 Physical Review Letters》
《Advanced Materials》
擅长领域：微纳光子学、拓扑光子学、非厄米光子学、光芯片、电磁超材料器件等。
培训特色
机器学习深度学习驱动的光子学设计与应用：
1.理论与实践相结合：课程不仅涵盖了光子学与深度学习的理论知识，还包括了实际案例分析和实践操作，使学员能够将理论知识应用于具体问题。
2.多样化的智能算法应用：课程介绍了多种智能算法，包括全局搜索算法（如遗传算法、粒子群算法、模拟退火算法）、机器学习算法、梯度优化算法、深度生成模型等，并探讨了它们在光子器件设计中的应用。
3.前沿技术探索：课程内容涉及当前光子学领域的前沿技术，如多功能超表面设计、深度生成模型在逆向设计中的应用，以及多算法融合的微纳光学系统设计。
4.软件工具与仿真平台：介绍了电磁仿真软件（如CST Microwave Studio、Lumerical FDTD Solutions）的使用，以及Python编程在仿真自动化中的应用，帮助学员掌握行业内常用的工具。
5.面向对象编程(OOP)：课程包括了面向对象编程的介绍，这是现代软件开发中的一个重要概念，有助于学员在进行复杂光子学设计时编写可重用和模块化的代码。
6.数据采集与模型训练：强调了面向深度学习光子设计的数据采集方法，以及深度学习模型的训练和验证技巧，这对于构建高效的预测模型至关重要。
7.案例驱动的教学方法：通过分析和实践《Nature Photonics》等高影响力期刊中的案例，学员可以了解顶级研究成果，并学习如何将这些研究成果转化为实践操作。
☆ 往期COMSOL课程学员评价：
培训大纲
机器学习深度学习驱动的光子学设计与应用
时间
课程内容
第一天
1. 光子学与深度学习概述
1.1. 微纳光子学基础和应用
1.2. 基于智能算法的光子学设计：概念与进展
2. 电磁仿真软件与Python基础
2.1. Python面向对象编程介绍
2.1.1. 面向对象编程(OOP)的基本原则，如何在Python中实现
2.1.2. OOP在电磁仿真和光子学设计中的应用
2.2. CST Microwave Studio、Lumerical FDTD Solutions等电磁仿真软件的使用
2.3. 仿真软件的自动化接口调用
案例分析：展示如何通过自动化接口调用提高仿真效率
3. 基于全局搜索算法的光子器件设计
3.1. 全局搜索算法简介：遗传算法、粒子群算法、模拟退火算法等
3.2. 直接二元搜索算法的原理
案例分析与实践：基于直接二元搜索的片上偏振分束器设计
（Nature Photonics, 9, 6, (2015)）
Ø 片上偏振分束器的设计要求和性能指标
Ø 利用直接二元搜索算法进行优化设计的过程
Ø 实践操作，包括算法实现、参数调优、结果分析等
第二天
4. 基于机器学习算法的光子器件设计与性能预测
4.1. 机器学习算法简介
4.1.1. 监督学习、非监督学习、强化学习等机器学习算法的基本原理
4.1.2. 机器学习、深度学习算法在光子结构设计中的应用
4.2. 软件和工具
4.2.1. 机器学习工具（如TensorFlow、PyTorch等）介绍及使用
4.2.2. 深度学习光子设计的数据采集：数据采集的方法和技巧，为深度学习模型准备数据。
4.3. 机器学习模型的训练和验证
4.3.1. 深度学习模型工程文件的基本结构与设计
4.3.2. 深度学习模型的训练流程和参数调优技巧
4.3.3. 深度神经网络模型的原理
案例分析与实践：搭建一个基于深度神经网络的光学响应预测模型
Ø 深度神经网络在光学响应预测中的应用
Ø 网络架构的选择、模型训练和调优的策略
Ø 实践操作，包括数据准备、模型搭建、训练调优、结果分析等。
第三天
5. 基于梯度优化算法的光子结构设计
5.1. 伴随变量算法介绍
5.2. 水平集算法介绍
案例分析与实践：基于伴随变量算法的片上波分复用器设计（Nature Photonics, 9, 6 (2015)）
Ø 片上波分复用器的设计要求和性能指标。
Ø 伴随变量算法在设计中的应用，如模式选择、带宽优化等。
Ø 实践操作，包括算法实现、参数调优、结果分析等。
6. 基于深度生成模型的光子结构逆向设计
6.1. 深度生成模型介绍：变分自编码器VAE、生成对抗网络GAN等
6.2. 生成模型的自监督学习方法在光子器件设计中的应用
案例分析与实践：基于VAE的自由形状超表面结构设计，Advanced Materials 31 (35), 1901111(2019), SCIENCE CHINA, 63(8), 1-8 (2020)
Ø 自由形状超表面的概念，如相位调控、波前整形等。
Ø 基于VAE的设计流程，如数据准备、模型训练、结构生成等。
Ø 实践操作，包括算法实现、参数调优、结果分析等。
第四天
7. 多功能超表面设计
7.1. 多功能超表面概述和设计难点
7.2. 超表面波前调控器件设计方法
案例分析与实践：全息超表面设计
Ø 全息超表面的概念，如布拉格衍射、全息成像等。
Ø 设计流程，如全息图生成、超表面设计、性能测试等。
Ø 实践操作，包括全息图设计、超表面优化、性能分析等
8. 多算法融合的微纳光学系统端到端设计
8.1. 多算法融合设计思路简介，微纳光学系统的端到端设计
案例分析与实践：基于多算法融合的多功能超表面设计，Advanced Materials 34 (16), 2110022, 2022
Ø 多算法融合在多功能超表面设计中的作用，如性能提升、设计优化等。
Ø 设计流程，如算法选择、协同机制、性能评估等。
Ø 实践操作，包括算法实现、协同优化、结果分析等。
部分案例展示：
COMSOL 多场耦合仿真技术与应用（三十八期）
（一）案列应用实操教学：
案例一
光子晶体能带分析、能谱计算、光纤模态计算、微腔腔膜求解
案例二
类比凝聚态领域魔角石墨烯的moiré 光子晶体建模以及物理分析
案例三
传播表面等离激元和表面等离激元光栅等
案例四
超材料和超表面仿真设计，周期性超表面透射反射分析
案例五
光力、光扭矩、光镊力势场计算
案例六
波导模型（表面等离激元、石墨烯等）本征模式分析、各种类型波导传输效率求解
案例七
光-热耦合案例
案例八
天线模型
案例九
二维材料如石墨烯建模
案例十
基于微纳结构的电场增强生物探测
案例十一
散射体的散射，吸收和消光截面的计算
案例十二
拓扑光子学：拓扑边缘态和高阶拓扑角态应用仿真
案例十三
二硫化钼的拉曼散射
案例十四
磁化的等离子体、各向异性的液晶、手性介质的仿真
案例十五
光学系统的连续谱束缚态
案例十六
片上微纳结构拓扑优化设计(特殊情况下，利用二维系统来有效优化三维问题)
案例十七
形状优化反设计：利用形状优化设计波导带通滤波器
案例十八
非厄米光学系统的奇异点：包括PT对称波导结构和光子晶体板系统等
案例十九
微纳结构的非线性增强效应，以及共振模式的多极展开分析
案例二十
学员感兴趣的其他案例
（二） 软件操作系统教学：
COMSOL
软件入门
初识COMSOL仿真——以多个具体的案例建立COMSOL仿真框架，建立COMSOL仿真思路，熟悉软件的使用方法
COMSOL软件基本操作
Ø 参数，变量，探针等设置方法、几何建模
Ø 基本函数设置方法，如插值函数、解析函数、分段函数等
Ø 特殊函数的设置方法，如积分、求极值、求平均值等
Ø 高效的网格划分
前处理和后处理的技巧讲解
Ø 特殊变量的定义，如散射截面，微腔模式体积等
Ø 如何利用软件的绘图功能绘制不同类型的数据图和动画
Ø 数据和动画导出
Ø 不同类型求解器的使用场景和方法
COMSOL
软件进阶
COMSOL中RF、波动光学模块仿真基础
Ø COMSOL中求解电磁场的步骤
Ø RF、波动光学模块的应用领域
RF、波动光学模块内置方程解析推导
Ø 亥姆霍兹方程在COMSOL中的求解形式
Ø RF方程弱形式解析，以及修改方法(模拟特殊本构关系的物质)
Ø 深入探索从模拟中获得的结果
（如电磁场分布、功率损耗、传输和反射、阻抗和品质因子等）
边界条件和域条件的使用方法
Ø 完美磁导体和完美电导体的作用和使用场景
Ø 阻抗边界条件、过度边界条件、散射边界条件、周期性边界条件的作用
Ø 求解域条件：完美匹配层的理论基础和使用场景、 PML网格划分标准
Ø 远场域和背景场域的使用
Ø 端口使用场景和方法
Ø 波束包络物理场的使用详解
波源设置
Ø 散射边界和端口边界的使用方法和技巧（波失方向和极化方向设置、S参数、反射率和透射率的计算和提取、高阶衍射通道反射投射效率的计算）
Ø 频域计算、时域计算
Ø 点源，如电偶极子和磁偶极子的使用方法
材料设置
Ø 计算模拟中各向同性，各向异性，金属介电和非线性等材料的设置
Ø 二维材料，如石墨烯、MoS2的设置
Ø 特殊本构关系材料的计算模拟(需要修改内置的弱表达式)
网格设置
Ø 精确仿真电磁场所需的网格划分标准
Ø 网格的优化
Ø 案列教学
COMSOL WITH MATLAB功能简介
Ø COMSOL WITH MATLAB 进行复杂的物理场或者集合模型的建立(如超表面波前的衍射计算)
Ø COMSOL WITH MATLAB 进行复杂函数的设置(如石墨烯电导函数的设置和仿真)
Ø COMSOL WITH MATLAB 进行高级求解运算和后处理
Ø COMSOL WITH MATLAB求解具有色散材料的能带
部分案例展示：
报名须知
1
机器学习深度学习驱动的光子学设计与应用
2024年06月08日-06月09日
2024年06月15日-06月16日
在线直播（授课四天）
COMSOL 多场耦合仿真技术与应用
2024年05月25日-05月26日
2024年06月01日-06月02日
在线直播（授课四天）
2
报名费用
（含报名费、培训费、资料费）
专题一：机器学习深度学习驱动的光子学设计与应用：
￥4900 元/人
专题二：COMSOL 多场耦合仿真技术与应用：
￥4300 元/人
专题一5月27日前报名缴费可享受300元早鸟价优惠；
参加过我单位举办的其它课程老学员，可享受额外300优惠；
【注】费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；北京中科四方生物科技有限公司作为本次会议会务合作单位，负责注册费用收取和开具发票。如需开具会议费的单位请联系招生老师索取会议邀请函。
3
增值服务
1、凡报名学员将获得本次培训电子课件及案例模型文件；
2、培训结束可获得本次所学专题课程全部无限次回放视频；
4、参加培训并通过试的学员，可以获得：主办方北京软研国际信息技术研究院培训中心颁发的《机器学习深度学习光子学设计与应用》《COMSOL光电仿真应用工程师》专业技能结业证书；
4
联系方式