2026年1月31日，Wiley旗下知名期刊《Laser and Photonics Reviews》刊发精密仪器研究中心团队在薄膜逆向优化领域最新成果，题为“Tensorized Quantum Genetic Algorithm With Selective Evolution Strategy for Thin-Film Optical Inverse Problems（基于选择性进化量子遗传算法的薄膜光学逆问题求解）”。博士生刘硕为论文第一作者，陈修国教授和刘世元教授为通讯作者。

多层薄膜结构是现代光子学和光电子技术的基础组件，在热伪装、辐射制冷以及各类精密光学器件中发挥着关键作用。随着器件功能日益复杂，其逆向设计与表征面临维度灾难，优化难度上升。启发式算法虽然具备全局搜索能力，但计算成本高昂、收敛缓慢；而深度学习算法虽然预测速度快，却往往缺乏通用性，且依赖大量的离线训练数据。如何高效、通用地解决薄膜逆问题，是加速新型光子功能器件发展的关键挑战。

针对上述挑战，研究团队提出了一种结合选择性进化策略的张量化量子遗传算法（tQGA）。所提出的选择性进化策略，使个体朝向从随机选定的子种群中选择最佳个体独立进化，增加了进化多样性的同时还能保证稳定收敛，提升了量子遗传算法的优化性能。进一步开发了全张量化的算法实现框架，支持对种群更新和光学建模的并行计算。该框架比传统实现框架实现了60–90×速度提升，且可通过GPU进一步加速，极大地缩短了优化周期。

图1 选择性进化策略的张量化量子遗传算法原理图

在三个代表性任务上进行了全面测试。在材料组合优化任务中，与遗传算法和量子遗传算法及其他进化策略相比，tQGA在相同计算量下表现出更好的收敛性能。对于材料和厚度联合设计任务，tQGA 仅用一半的计算量就能实现与模因算法相当的优化能力；与强化学习算法相比，tQGA可以将计算量从1.1×10⁹减少至5000，极大地减少了计算成本。此外，tQGA可与局部优化算法相结合，实现快速且准确的多层膜厚度表征。

图2 tQGA在a) 材料组合优化、b) 材料和厚度联合设计及c) 厚度表征中的应用

该研究成果不仅为光学薄膜领域提供了高效的设计和表征工具，也为超表面、光子晶体等其他复杂光学系统的逆向设计与表征提供了新的思路。

论文信息:

S. Liu, X. Chen, and S. Liu, “Tensorized Quantum Genetic Algorithm With Selective Evolution Strategy for Thin-Film Optical Inverse Problems,” Laser  Photon. Rev. (2026).

新闻报道:

https://mp.weixin.qq.com/s/xd356NWfbjWHqV4YA8FL7g