神经网络赋能全介质超表面设计的基于物理学方法
应用物理
2020-10-07 v2 介观与纳米尺度物理
摘要
机器学习方法为复杂问题提供了低计算成本的解决方案，在各个学科中找到了新的应用领域。最近，超表面设计也加入了这些应用行列，神经网络在短时间内带来了显著改进。然而，仍有一些突出的挑战需要克服。在此，我们提出了一种基于物理问题支配定律的数据预处理方法，以消除超表面高维光学响应与低维特征空间之间的维度不匹配。我们训练了正向和逆向模型，分别用于预测圆柱形超原子的光学响应，以及针对所需光学响应反演其几何参数。我们的方法即使在训练光谱范围之外也能提供准确的预测能力。最后，利用我们的逆向模型，我们设计并演示了聚焦超透镜作为概念验证应用，从而验证了我们提出方法的能力。我们相信我们的方法将为基于学习的模型解决更复杂的光子设计问题铺平道路。
引用
@article{arxiv.2004.10994,
title = {A Physics Based Approach for Neural Networks Enabled Design of All-Dielectric Metasurfaces},
author = {Ibrahim Tanriover and Wisnu Hadibrata and Koray Aydin},
journal= {arXiv preprint arXiv:2004.10994},
year = {2020}
}