用于自由曲面超表面设计参数优化的代理辅助扩展生成对抗网络
机器学习
2024-01-09 v1 计算机视觉与模式识别
图像与视频处理
光学
摘要
超表面在第五代（5G）微波通信中有着广泛的应用。在超表面家族中，与规则形状的对应物相比，自由曲面超表面在实现复杂的光谱响应方面表现出色。然而，用于自由曲面超表面的传统数值方法耗时且需要专业知识。另外，最近的研究表明，深度学习在加速和优化超表面设计方面具有巨大潜力。在这里，我们提出了XGAN，一种带有代理模型的扩展生成对抗网络（GAN），用于高质量的自由曲面超表面设计。所提出的代理模型为XGAN提供了物理约束，使得XGAN能够从输入光谱响应中准确地整体生成超表面。在涉及20000个自由曲面超表面设计的对比实验中，XGAN实现了0.9734的平均准确率，并且比传统方法快500倍。该方法促进了针对特定光谱响应的超表面库的构建，并可扩展到各种逆向设计问题，包括光学超材料、纳米光子器件和药物发现。
引用
@article{arxiv.2401.02961,
title = {A Surrogate-Assisted Extended Generative Adversarial Network for Parameter Optimization in Free-Form Metasurface Design},
author = {Manna Dai and Yang Jiang and Feng Yang and Joyjit Chattoraj and Yingzhi Xia and Xinxing Xu and Weijiang Zhao and My Ha Dao and Yong Liu},
journal= {arXiv preprint arXiv:2401.02961},
year = {2024}
}