学习设计技能作为代理光子逆设计的记忆策略

光子晶体光纤 (PCF) 逆设计仍然具有挑战性，因为候选几何形状必须满足昂贵的电磁仿真下的耦合光学目标。现有的流程改进了替代预测或一次性参数推荐，但它们并没有在迭代试验中积累可重用的设计知识。我们将 PCF 逆向设计表述为记忆策略学习问题，并提出了 SkillPCF，这是一种闭环代理框架，结合了物理引导的记忆技能库、强化学习技能选择和基于模拟器的技能进化。我们进一步构建了一个真实世界的数据集，其中包含 479 个专家交互轨迹（2,507 个跨度）和 553 个依赖于内存的评估查询，涵盖色散工程、损失优化和多目标设计。跨多个 LLM 主干和经典基线的实验表明，SkillPCF 在实际模拟预算下实现了更强的设计质量和效率权衡，证明了我们提出的用于物理感知 PCF 逆设计的记忆技能学习范例的有效性。