双向对抗自编码器用于等离子体超表面设计
光学
2024-05-08 v1 机器学习
摘要
深度学习是设计逆向方法中至关重要的组成部分，这些方法在计算效率和准确性方面都表现出色。例如，可使用其光致发光光谱作为输入数据来预测其拓扑结构的光子超表面的设计。这些系统的一个根本挑战在于其表示不同数据集之间非线性关系的能力。现有的设计方法通常会实现条件生成对抗网络以解决此问题，但在许多情况下，解决方案无法生成在验证时提供多个峰值的结构。演示了针对目标光谱，双向对抗自编码器能够在多数情况下生成提供多个峰值的结构。因此，本文提出的模型代表了向生成能够用于高级超表面设计的非线性光子超表面进展的重要一步。
引用
@article{arxiv.2405.04056,
title = {Bidirectional Adversarial Autoencoders for the design of Plasmonic Metasurfaces},
author = {Yuansan Liu and Jeygopi Panisilvam and Peter Dower and Sejeong Kim and James Bailey},
journal= {arXiv preprint arXiv:2405.04056},
year = {2024}
}
备注
7 pages, 5 figures