它们之间并不完全共通。

肖宿无意识的转了转笔。

或许这里还可以引入分层筛法？

先把超表面上的纳米天线阵列看作一个二维的离散格点，每一个格点上有一个天线，那天线的近场耦合范围就对应一个邻域半径，那不同耦合半径之间的嵌套关系就跟筛法中不同层级的关系非常相似了。

然后可以用分层筛法把近场耦合网络拆解成几个层级。

第一层是每一个天线自身的独立响应，第二层是最近邻耦合，第三层是次近邻耦合，以此类推，每一层耦合的强度按距离衰减，衰减的速率由天线的几何形状和材料参数决定。

只要衰减得足够快，这个层级展开就是收敛的。

但收敛之后，每一层内部还是有一个需要解决的问题。

同一层内的所有天线之间仍然存在间接耦合，虽然不是直接相邻，但是通过中间天线的传递，远距离的天线之间也会互相影响的。

这就像一个社交网络，你不一定认识你朋友的朋友，但你发的朋友圈可能会被他看到。

想到社交网络，肖宿停下笔，脑子里忽然闪过另一个灵感。

社交网络里有一个经典问题，那就是如何在一个大规模网络中找出最有影响力的那群节点？

数学家一般用的方法就是图拉普拉斯算子的谱分解。

网络的连接关系编码在图拉普拉斯矩阵里，矩阵的特征值和特征向量就描述了网络中信息传播的模式。

特征值最大的那几个模式对应网络的全局传播能力，特征值小的对应局部社团结构。

如果把超表面的近场耦合网络就是一个物理版的社交网络，每一个天线是一个节点，近场耦合强度是连边的权重，再对这个网络做图拉普拉斯谱分解，那不就能把整个耦合系统拆解成一系列独立的传播模式了吗？

而且不同模式之间的耦合强度天然就是对角化的，不会互相串扰。

这就意味着，只要在模式空间里做到了散射对消，就可以绕过实空间里那个天文数字规模的耦合矩阵求逆问题了。

这就同时解决了两个问题。超表面上所有天线之间的相互串扰被自动解耦了，而且入射光和散射光的不同频率成分在模式空间里也能对应不同的特征值，全频段的对消条件可以在模式空间里逐频段分解处理，不用在实空间里硬扛那个维度爆炸的全局优化了。

而且实现这个方法的每一步在数学上都有现成的工具可以支撑，不需要从头造轮子，速度会快很多。

图拉普拉斯谱分解在图论和机器学习里已经用得很成熟了，而逐模式对消本质上是一个单变量复函数逼近问题，用一个有理函数去逼近目标散射函数的负值，这个在控制论和信号处理里有一整套现成的算法，最优逼近的误差上界也有成熟的理论保证……

方法可行。

肖宿放下笔，打开了一个新的latex文档。

《基于图拉普拉斯谱分解的曲面全频段干涉对消理论》

“针对超表面隐形材料在可见光全频段（380--780nm）的曲面干涉对消问题……一种基于图拉普拉斯谱分解的对消框架。

_c