融合神经架构搜索与多物理场耦合优化的智能超表面设计方法

本发明公开了一种融合神经架构搜索与多物理场耦合优化的智能超表面设计方法。本发明构建了一条从高维参数定义、耦合有限元仿真、到多层次代理模型和多目标遗传优化的系统性流程：一方面借助高保真的有限元手段准确描述电磁、力学、热场的复杂耦合响应，另一方面利用多层神经网络快速逼近和物理感知架构搜索(Physics‑Informed NAS)结合，从而大幅降低大规模优化时对昂贵仿真的依赖。通过多尺度分解及多目标遗传算法(结合Pareto前沿分析)，在全局范围与局部细节间找到平衡，最终为电磁超表面的多物理场协同设计提供高效而灵活的全局优化方案。