基于强化学习优化的仿生超宽带完美吸收体
光学
2020-02-19 v1 机器学习
摘要
通过学习最优策略与双重深度 Q 学习网络，我们基于蛾眼结构设计了采用多种材料的超宽带、仿生、完美吸收体。所有吸收体在 400 至 1,600 nm 波长范围内实现超过 90% 的平均吸收率。通过使用由铬构成的蛾眼结构训练 DDQN，我们将习得知识迁移至其他类似材料，以从约 10 亿种可能选项中快速高效地找到最优参数。先前优化习得的知识帮助网络以更少步数找到新材料的最佳解，极大提升了寻找超宽带吸收设计的工作效率。
引用
@article{arxiv.1910.12465,
title = {Biomimetic Ultra-Broadband Perfect Absorbers Optimised with Reinforcement Learning},
author = {Trevon Badloe and Inki Kim and Junsuk Rho},
journal= {arXiv preprint arXiv:1910.12465},
year = {2020}
}