用于按需模式高精细度光学谐振腔设计的卷积神经网络
光学
2022-02-08 v1
摘要
我们展示了通过卷积神经网络利用机器学习来解决光学谐振腔工程中的逆向设计问题。该神经网络寻找球面镜的谐波调制，以生成具有给定目标拓扑的谐振腔模式（“按需模式”）。该方法使我们能够优化镜面形状，从而显著增强位于谐振腔中心的谐振腔光子与量子发射体之间的耦合强度和协作性。在第二个示例中，设计了一种双峰模式，这将增强两个量子发射体之间的相互作用，例如用于量子信息处理。
引用
@article{arxiv.2202.03359,
title = {Convolutional Neural Networks for Mode On-Demand High Finesse Optical Resonator Design},
author = {Denis V. Karpov and Sergei Kurdiumov and Peter Horak},
journal= {arXiv preprint arXiv:2202.03359},
year = {2022}
}
备注
9 pages, 7 figures