深度学习社区对进化优化（EO）产生兴趣，建立了一个新的EO方法基准NeuroEvoBench，对传统和元学习EO进行了评估。该基准以Apache-2.0许可证开源。

该文介绍了一种基于进化优化的逆合成路线规划方法，相比于蒙特卡罗树搜索算法，可以显著减少单步模型调用数量的平均值53.9％，搜索三个解所需的时间平均减少了83.9％，可行搜索路径数量增加了5倍。

本研究利用元表面技术对薄膜光学进行灵活操控，提出了适用于天文高对比度成像的两种旋涡相位面具。通过计算智能技术进行优化，引入数据高效的进化优化设置，利用深度神经网络作为替代模型，通过粒子群进化优化方案操作光子器件的几何参数。该方法有效地减少了传统优化技术所需的模拟次数。