HiLAB (Hybrid inverse-design with Latent-space learning, Adjoint-based partial optimizations, and Bayesian optimization)은 나노포토닉 구조의 역설계를 위한 새로운 패러다임입니다. 조기 종료 위상 최적화(TO)와 Vision Transformer 기반 변이 오토인코더(VAE), 베이지안 검색을 결합하여, HiLAB은 감소된 시뮬레이션 비용으로 다기능 장치 설계를 위한 다양한 자유 형태의 구성을 생성합니다. 단축된 adjoint 기반 TO 실행과 무작위 물리적 매개변수를 결합하여 견고한 초기 구조를 생성하고, 이 구조는 VAE에 의해 압축된 잠재 공간으로 표현되어 베이지안 최적화를 통해 기하학적 구조와 물리적 하이퍼파라미터를 공동 최적화할 수 있습니다. 훈련된 VAE는 획득 함수만 조정하여 다른 목표 또는 제약 조건에도 재사용할 수 있습니다. 국소 최적점에 취약한 기존 TO 파이프라인과 비교하여, HiLAB은 훨씬 적은 전자기 시뮬레이션으로 전역 최적점 근처를 체계적으로 탐색합니다. 훈련 오버헤드를 고려하더라도 전체 시뮬레이션 수가 10배 이상 감소하여 제작 친화적인 장치의 발견을 가속화합니다. HiLAB의 효과를 보여주는 예시로, 적색, 녹색, 청색 파장에 대한 무색수차 빔 편향기를 설계하여, 색수차를 완화하면서 ~25%의 균형 잡힌 회절 효율을 달성하였으며, 이는 기존의 시연 결과를 능가하는 성능입니다. 전반적으로 HiLAB은 견고하고 다중 매개변수 포토닉 설계를 위한 유연한 플랫폼을 제공하며 차세대 나노포토닉 과제에 빠르게 적응할 수 있습니다.