基于机器学习与优化相结合的非均匀双各向异性超表面逆向设计
光学
2022-08-17 v1
摘要
基于远场约束且不知晓超表面两侧完整场信息的电磁超表面设计通常是耗时且迭代的过程，严重依赖启发式与特设方法。本文提出一种端到端系统高效方法：设计者输入高层远场约束（如零深、旁瓣电平与主波束电平）；返回满足约束的三层非均匀无源、无耗、omega 型双各向异性电磁超表面设计。实现远场准则的表面参数通过基于矩量法导出的均匀化模型上的交替方向乘子法求得。该模型纳入有限表面边缘效应及非均匀阻抗片中的互耦。通过物理单元胞空间并集成基于机器学习的代理模型进行优化，以由物理超原子（或单元胞）设计实现所需表面参数。给出两个具有不同馈电系统与远场约束的无源无耗例子以证明该方法有效性。
引用
@article{arxiv.2105.14133,
title = {A Combined Machine-Learning / Optimization-Based Approach for Inverse Design of Nonuniform Bianisotropic Metasurfaces},
author = {Parinaz Naseri and Stewart Pearson and Zhengzheng Wang and Sean V. Hum},
journal= {arXiv preprint arXiv:2105.14133},
year = {2022}
}