Self-driving lab discovers principles for steering spontaneous emission

我们开发了一个自主实验平台，以加速在超快纳米光子学中的可解释科学发现，针对一种从可重构半导体元表面操纵自发辐射的新方法。控制自发辐射对于清洁能源解决方案中的照明、热辐射工程和遥感至关重要。尽管可重构半导体元表面嵌入源的时空控制潜力巨大，但实现任意远场控制仍然具有挑战性。在这里，我们介绍了一个自驾实验室（SDL）平台，通过发现预测光发射表面远场发射轮廓的控制方程来解决这一挑战。我们发现，局部折射率的空间梯度（类似光栅）和曲率（类似透镜）都是操纵自发辐射的关键因素。SDL采用了机器学习框架，包括：（1）用于生成复杂空间折射率配置文件的变分自动编码器，（2）用于通过实时闭环反馈指导实验的主动学习代理，以及（3）基于神经网络的方程学习器，以发现结构-性质关系。SDL在大约300次实验中展示了峰值发射定向性（在72度视场内高达77％）的四倍增强。我们的发现揭示了正光栅和透镜的组合与负透镜和光栅对于所有发射角度同样有效，为控制自发辐射提供了一种超越传统傅里叶光学的新策略。

论文旨在通过自动化实验平台加速可解释的科学发现，针对从可重构半导体超快纳米光子学中引导自发发射的新方法进行研究，控制自发发射对于净能源解决方案至关重要。该方法的挑战在于实现任意远场控制仍然具有挑战性。

通过使用机器学习框架，包括变分自编码器、主动学习代理和基于神经网络的方程学习器，发现了预测光发射的远场发射特性的控制方程式，同时发现局部折射率的空间梯度和曲率是引导自发发射的关键因素。

实验采用了自动化实验平台，展示了在大约300次实验中峰值发射方向性的四倍增强（高达77％），并发现正光栅和透镜的组合与负透镜和光栅一样有效，为控制自发发射提供了新的策略。

在这个领域中，最近的相关研究包括：1. “Metasurface-based technology for near- and far-field radiative thermal management”；2. “Spontaneous emission control in nanostructures”；3. “Active learning for experimental design in materials science”等。