基于深度学习的 mid-infrared 石墨烯等离激元逆向设计
应用物理
2020-02-20 v2 介观与纳米尺度物理
材料科学
光学
摘要
我们从理论上研究基于 mid-infrared 石墨烯的超材料的等离激元性质，并应用神经网络深度学习进行逆向设计。这些人造结构是在介电薄膜上沉积石墨烯等离激元谐振器的方形周期阵列。光谱随结构参数改变而显著变化。我们的数值结果与先前实验相符。随后，采用该理论方法生成数据以训练和测试深度神经网络。通过将预训练神经网络与逆网络合并，我们实现了基于石墨烯的超材料的逆向设计计算。我们也讨论了数据驱动方法的局限性。
引用
@article{arxiv.1911.12566,
title = {Deep Learning for The Inverse Design of Mid-infrared Graphene Plasmons},
author = {Anh D. Phan and Cuong V. Nguyen and Pham T. Linh and Tran V. Huynh and Vu D. Lam and Anh-Tuan Le},
journal= {arXiv preprint arXiv:1911.12566},
year = {2020}
}
备注
6 pages, 4 figures, accepted for publication on Crystals