作者提出了IrisFlow，这是一种基于查询的流匹配框架，用于支持开放词汇材料选择的多层光学涂层逆向设计。与依赖固定词汇表和离散化连续变量的典型摊销式神经逆向设计方法不同，IrisFlow在查询时提供目标光谱、波长网格和候选材料。

  • 该模型对从候选库中采样的材料序列使用离散流匹配，对未离散化的层厚度使用连续流匹配。
  • 单个拥有1.36亿参数的模型可设计包含2至100层的堆叠结构。
  • 在包含224个任务的基准测试中，它能忠实重建分布内目标，并在未经重新训练的情况下，在未参与训练的候选材料库上保持准确性。
  • 该系统设计的波段超出其训练范围达1100 nm，并在该基线模型的材料库上优于自回归基线方法。
  • 制造出的具有显色功能的冷却器实现了3.1-5.2的CIEDE2000色差，同时保持了93-95%的太阳近红外反射率。

IrisFlow证明了开放词汇设计可以成功延伸至制造的涂层，为封闭世界逆向设计方法提供了一种灵活的替代方案。