生成式模型用于信息超材料设计
bravo_abad · x · 2026-07-20
Jun Ming Hou 等研究者提出了 InfoMetaGen，将扩散模型应用于信息超材料的电磁设计。该方法借鉴了大模型微调范式：冻结在二值编码模式上预训练的扩散模型主干，仅为每个新任务（如波束偏转、近场聚焦、全息成像）训练一个轻量级条件适配器。
技术亮点：
- 通过将数字映射到模拟比特（-1 到 +1），解决了连续扩散模型处理离散代码的难题。
- 泛化能力： 模型能够生成训练集中不存在的 3-bit 有效超原子，相位误差低于 10 度。
- 实验验证： 所有设计均已在 PCB 上制造并在微波暗室中测量验证。
这种“预训练+适配器”的架构将重构天线和无线硬件的成本结构，将原本需要从零训练单一模型的昂贵流程，转化为在一个产品线上摊销预训练生成器的低成本任务。
「研究」频道最新
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27
- Infini-AI Lab 开源 Hermit:让 agent 从经验中进化出好习惯 — BeidiChen · 2026-10-27
- Meta FAIR 提出 Self-Direction:把 agent 失败变成 LoRA 技能,成功率提 13.8pp — karen_ullrich · 2026-10-27
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- 研究者吐槽:论文里 PSNR 低于 15dB 基本是用错了指标 — kwangmoo_yi · 2026-10-27