Metasurfaces have become a promising means for manipulating optical wavefronts in flat and high-performance optical devices. Conventional metasurface device design relies on trial-and-error methods to obtain target electromagnetic (EM) responses, an approach that demands significant efforts to investigate the enormous number of possible meta-atom structures. In this paper, a deep learning modeling approach is introduced that significantly improves on both speed and accuracy compared to techniques currently used to characterize the subwavelength optical structures. Our neural network approach overcomes two key challenges that have limited previous neural-network-based design schemes: input/output vector dimensional mismatch and accurate EM-wave phase prediction. Additionally, this is the first neural network to characterize 3-D dielectric structures. By combining with optimization algorithms or neural networks, this approach can be generically applied to a wide variety of metasurface device designs across the entire electromagnetic spectrum. Using this new methodology, examples of neural networks capable of producing on-demand designs for meta-atoms, metasurface filters, and phase-change reconfigurable metasurfaces are demonstrated.

Surgical intervention is the most common first-line treatment for severe traumatic brain injuries (TBIs) associated with high intracranial pressure, while the complexity of these surgical procedures often results in complications. Surgeons often struggle to comprehensively evaluate the TBI status, making it difficult to select the optimal intervention strategy. Here, we introduce a fluorescence imaging-based technology that uses high-quality silver indium selenide-based quantum dots (QDs) for integrated TBI diagnosis and surgical guidance. These engineered, poly(ethylene glycol)-capped QDs emit in the near-infrared region, are resistant to phagocytosis, and importantly, are ultrastable after the epitaxial growth of an aluminum-doped zinc sulfide shell in the aqueous phase that renders the QDs resistant to long-term light irradiation and complex physiological environments. We found that intravenous injection of QDs enabled both the precise diagnosis of TBI in a mouse model and, more importantly, the comprehensive evaluation of the TBI status before, during, and after an operation to distinguish intracranial from superficial hemorrhages, provide real-time monitoring of the secondary hemorrhage, and guide the decision making on the evacuation of intracranial hematomas. This QD-based diagnostic and monitoring system could ultimately complement existing clinical tools for treating TBI, which may help surgeons improve patient outcomes and avoid unnecessary procedures.

The edge of two-dimensional (2D) flakes of transition metal dichalcogenide (TMD) profoundly influences their optical, electronic, catalytic, and magnetic properties due to the asymmetric atomic configurations on the edge. As a reverse process of growth, the etching of monolayer MoS2 flakes can be modulated by tuning the sulfur stoichiometric ratio in chemical vapor deposition. Here, we report studies of the high-density formation of etched pores with defined orientations on MoS2 flakes. Structural analysis reveals that these pores are bound by zigzag edges. Our measurements show that the saturation magnetization of etched MoS2 flakes can be up to five times higher than that of unetched counterparts, indicating that increased zigzag edge density enhances the ferromagnetism of MoS2 flakes. These observations provide valuable insights for tailoring the edge density of 2D TMD flakes to optimize properties for targeted applications.