一种用于设计低成本 SPP 薄膜的新型引导深度学习算法
机器学习
2020-03-10 v2 应用物理
机器学习
摘要
表面等离极化激元（SPP）薄膜的设计是一个不适定逆问题。结构与用户需求之间存在多对一的对应关系。我们提出一种新型引导深度学习算法来寻找最优解（兼具高精度与低成本）。为实现这一目标，我们在训练过程中使用低成本样本替换算法。深度 CNN 会从成本更低的样本中逐步学习到更好的模型。我们已成功将该算法应用于低成本 SPP 薄膜的设计。我们的模型学会用普通金属替代贵金属以降低成本。因此预测结构的成本远低于标准深度 CNN，且光谱的平均相对误差小于 10%。源代码见 https://github.com/closest-git/MetaLab。
引用
@article{arxiv.1912.03452,
title = {A novel guided deep learning algorithm to design low-cost SPP films},
author = {Yingshi Chen and Jinfeng Zhu},
journal= {arXiv preprint arXiv:1912.03452},
year = {2020}
}
备注
9 pages,6 figures