提出利用全介质超表面实现太赫兹波段计算全息成像技术方案，采用基于几何相位调控的全介质超表面实现了频率0.95 THz~1.2 THz的宽带全息成像。在此基础上，设计了基于几何相位和传输相位同时调控的全介质超表面并实现了偏振复用全息成像。该研究提高了超表面的复用能力和工作效率，有望解决金属超表面存在的固有欧姆损耗和低极化转换效率等问题。同时可以激发Mie型电共振和磁共振实现波前调制，为开发高效、轻便、低成本的太赫兹功能器件提供了一种新途径。

Deep learning offers a novel opportunity to achieve both high-quality and high-speed computer-generated holography (CGH). Current data-driven deep learning algorithms face the challenge that the labeled training datasets limit the training performance and generalization. The model-driven deep learning introduces the diffraction model into the neural network. It eliminates the need for the labeled training dataset and has been extensively applied to hologram generation. However, the existing model-driven deep learning algorithms face the problem of insufficient constraints. In this study, we propose a model-driven neural network capable of high-fidelity 4K computer-generated hologram generation, called 4K Diffraction Model-driven Network (4K-DMDNet). The constraint of the reconstructed images in the frequency domain is strengthened. And a network structure that combines the residual method and sub-pixel convolution method is built, which effectively enhances the fitting ability of the network for inverse problems. The generalization of the 4K-DMDNet is demonstrated with binary, grayscale and 3D images. High-quality full-color optical reconstructions of the 4K holograms have been achieved at the wavelengths of 450 nm, 520 nm, and 638 nm.

为实现自由曲面的定位与位姿高精度测量，提出了“光学-机械”基准定位法，建立了位姿测量模型，并对该方法的定位误差和基准选择展开研究。根据三坐标测量机与计算全息提出了“光学-机械”基准定位法。然后，采用球形安装的回射器（Sphere Mounted Retroreflector ，SMR）、猫眼、基准球作为基准，基于波像差理论与视差效应分别建立了3种基准的位姿测量模型，得到了位置误差与基准区域波前像差的函数关系，并对3种位姿测量模型进行对比。最后，对3种基准位姿测量方法进行仿真及实验验证，实测结果与模型的残差结果均小于0.05λ，相对误差均小于2.43%，验证了模型的准确性。实验结果表明，当检测距离为1 000 mm时，猫眼法的轴向定位误差为24 μm；基准球法的轴向定位误差为50 μm；SMR靶球法的轴向定位误差为16 μm，X，Y方向的定位误差为1 μm，滚转角定位误差为3.26″。SMR靶球法的定位误差最小、检测动态范围最大且检测光学元件的自由度最多，更适用于自由曲面的高精度位姿检测。

计算全息作为一种三维显示手段，能够基于衍射计算实现对目标光场的精确重建，在元宇宙通讯、AR/VR头戴显示、车载抬头显示等方向均有着重要的应用。如何实现高速且高质量的相位全息图生成是计算全息领域发展的关键问题，也是当前该方向的重要研究课题。近年来，深度学习技术的飞跃式发展为上述问题的解决提供了一条新的技术路径。本文介绍了计算全息技术的基本原理及算法分类，综述了近年来所提出的基于深度学习的计算全息解决方案，比较了各类方案的优势与不足，展望了深度学习技术在计算全息领域的发展与挑战。

斜面和曲面微结构元件在微电子学、微光学、微流体学等领域有着重要的应用，为了实现快速、低成本的斜面和曲面光刻，提出了利用基于液晶空间光调制器的纯相位计算全息技术投影目标图案到斜面和曲面进行曝光的方法。生成了斜面和球面全息光场，对光场进行消散斑和杂散光去除的处理，完成了斜面和球面光刻实验验证。实验结果表明：该方法加工效率高、设计灵活多变，不受单一结构限制，是一种极具潜力的三维微纳加工方法。

对实时彩色三维动态显示的追求激发了学术界和产业界巨大的研究热情。随着“元宇宙”概念的提出，对高性能三维显示设备与技术的需求越发迫切。全息术是一种理想的三维显示方案，但传统光场调控器件却存在视场角狭窄、信息容量小等问题，阻碍了全息技术的进一步发展。而超表面作为一种新型光场调控器件，有望利用其像素尺寸小和光场调控能力强的特点在全息技术领域实现新的突破。本文主要从超表面全息器件的设计流程、调制方式、动态实现、制造技术四个方面给出了超表面全息十余年的概貌，并提出该领域未来发展的方向。