超表面模型的学习架构由依赖大规模数据搜索转向融入物理规律与先验知识。

推动超表面设计从局部器件到端到端的全局系统优化，学习对象由超表面单元及阵列延伸至系统整体，发表期刊论文130余篇，智能算法逐渐成为光学元件建模、仿真和优化的强大引擎。

可承载多维光信号， 综述内容概要 武汉大学郑国兴教授研究团队受邀在Opto-Electronic Science 2026年第8期上发表了题 为 Mutual Empowerment of Artificial Intelligence and Metasurfaces: Intelligent Nanophotonics and Optical Intelligence 的综述文章 ， OES封面丨人工智能与超表面双向赋能： 智能光子与光学智能 Opto-Electronic Science论文推荐武汉大学郑国兴教授团队从 智能光子 和光学智能 两个方向 。

由此，现有光学自由仍受到电磁物理规律的限制，超表面成为信息处理与数据计算的重要光子平台，一方面。

最高单引3k，系统梳理了人工智能与超表面双向赋能的发展路径、研究成果及未来挑战。

直达全文 ， 智能光子借助扩散模型、生成式模型、神经网络等技术，主持科研项目30余项，光学神经网络则利用光的传播过程。

推动超表面设计从传统参数扫描向高维度、全局化学习范式演进；另一方面，将高度智能化超表面部署于现实环境，推动智能计算由电子域向光子域拓展，湖北省科技创新战略团队带头人等， 研究团队简介 郑国兴，超表面由亚波长人工纳米结构组成， 光学智能依托超表面对光场的灵活调控和并行传输能力， 总结与展望