深度学习驱动的太赫兹高Q超材料设计
光学
2023-12-22 v1 应用物理
摘要
超材料开辟了操控电磁波和实现各种功能器件的新途径。具有高品质因数（Q）共振响应的超材料被广泛应用于传感、探测等领域。传统的超材料设计涉及繁琐的仿真优化，限制了效率。具有光谱突变的高Q超材料更难实现按需逆向设计。本文基于深度学习提出了设计太赫兹高Q超材料的新方案，包括光谱响应的正向预测和结构参数的逆向设计。在正向预测方面，我们开发了电磁响应Transformer（ERT）模型，以建立高敏感结构参数与突变光谱之间的复杂映射关系，并实现对给定结构参数下太赫兹光谱中高Q共振的精确预测。在逆向设计方面，我们引入了具备大模型能力的视觉注意力网络（VAN）模型，通过注意力机制学习光谱共振中的突变偏移，从而有效减少误差，并根据预期的高Q共振响应实现结构参数的高精度逆向设计。两个模型均表现出优异性能，相比传统机器学习方法，精度提升了一到两个数量级。此外，在计算时间上，我们的ERT模型比传统全波仿真快4000倍。本工作为深度学习驱动的太赫兹高Q超材料设计提供了新途径，在太赫兹通信、传感、成像及功能器件等领域具有潜在应用价值。
引用
@article{arxiv.2312.13986,
title = {Deep Learning Enabled Design of Terahertz High-Q Metamaterials},
author = {Shan Yin and Haotian Zhong and Wei Huang and Wentao Zhang and Jiaguang Han},
journal= {arXiv preprint arXiv:2312.13986},
year = {2023}
}
备注
17 pages, 6 figures