一种基于深度神经网络的全介质超表面建模新方法
光学
2019-06-11 v1 机器学习
摘要
超表面已成为在平面化高性能光学器件中调控光波前的一种有前景的手段。传统的超表面器件设计依赖于试错法以获得目标电磁（EM）响应，这种方法需要大量工作来研究数量庞大的可能元原子结构。本文引入了一种深度神经网络方法，与当前用于组装基于超表面的器件的技术相比，在速度和精度上均有显著提升。我们的神经网络方法克服了限制先前基于神经网络的设计方案的三个关键挑战：输入/输出向量维度不匹配、精确的 EM 波相位预测，以及对于三维介质结构的适应，并且可普遍应用于整个电磁谱上多种多样的超表面器件设计。利用这一新方法，展示了能够针对元原子、超表面滤波器以及相变可重构超表面进行按需设计的神经网络实例。
引用
@article{arxiv.1906.03387,
title = {A Novel Modeling Approach for All-Dielectric Metasurfaces Using Deep Neural Networks},
author = {Sensong An and Clayton Fowler and Bowen Zheng and Mikhail Y. Shalaginov and Hong Tang and Hang Li and Li Zhou and Jun Ding and Anuradha Murthy Agarwal and Clara Rivero-Baleine and Kathleen A. Richardson and Tian Gu and Juejun Hu and Hualiang Zhang},
journal= {arXiv preprint arXiv:1906.03387},
year = {2019}
}
备注
18 pages, 8 figures