2021年7月22日，宾夕法尼亚州州立大学邬荣领教授访问我中心，并做特邀报告，报告的题目是：Learning High-order Dynamical Interactome Networks from Big Static Data。
近日，我中心邓柯副教授课题组在应用统计国际顶尖期刊The Annals of Applied Statistics (AOAS)发表题为“Rapid Design of Metamaterials via Multitarget Bayesian Optimization”的研究论文，提出了电磁超材料快速设计的新方法。曾在邓柯课题组攻读博士学位的杨洋博士（清华大学2015级博士生）是该文的第一作者，邓柯副教授与深圳光启高等理工研究院副院长季春霖博士作为论文的共同通讯作者联合指导了相关研究和论文撰写。
电磁超材料由大量人工设计建造的结构单元构成，能呈现出光学隐身、聚焦等自然材料所不具备的超常电磁性能，在许多领域具有重要应用，在学术界和工业界都引起了广泛的关注。然而，传统的电磁超材料设计一般是借助不断试错的探索性实验进行的，缺乏有理论保证的系统方法，需要耗费大量时间和计算资源，严重制约了电磁超材料的实际应用。
该论文将电磁超材料设计问题凝练为一个多目标优化问题，提出了一种基于贝叶斯优化的协同设计方法，大幅提高了设计效率，实现了电磁超材料的快速设计。该方法首先根据实际问题的背景，将一个结构单元的无穷维响应曲线降维成两个简单响应（即响应曲线的均值和方差），并用高斯过程对这两个简单响应进行建模；进而，利用这些简单响应的统计模型构建起便捷的代理模型，对不同结构单元的响应给出定量预测，并同步考虑复杂电磁超材料所涉及的多个设计目标来构造联合采集函数，在贝叶斯优化的框架下选择最有利的实验设计路径。论文从理论上证明了该方法的有效性，并通过计算机模拟实验验证了该方法具有远超已有方法的计算和搜索效率。
从理论的角度看，该论文首次为复杂电磁超材料的设计建立了具有理论保证的系统方法；从应用的角度看，该论文提出的方法对复杂电磁超材料的设计效率有了数量级上的提升。相关方法的应用不仅局限于电磁超材料设计领域，还有潜力拓展到许多具有类似问题的应用场景。该项工作是统计学习和材料工程两个领域交叉融合的成果，是重要应用问题驱动交叉学科研究的一个成功实例。
该研究工作获得国家自然科学基金(Grant 11931001 & 11771242)、北京智源人工智能研究院(Grant BAAI2019ZD0103)、超材料电磁调制技术国家重点实验室和广东省超材料微波射频重点实验室的资助。
