利用深度学习加速麦克斯韦方程以用于介质超表面的逆向设计
光学
2020-08-26 v1
摘要
光学超表面的逆向设计是一个迅速兴起的领域，已在使传统光学小型化以及开发全新光学功能方面展现出巨大前景。此类设计过程依赖于对器件光学响应的多次前向仿真以优化其性能。我们提出了一种用于超表面逆向设计的数据驱动前向仿真框架，其比基于局部相位近似的方法更准确，比基于网格的求解器快 倍且内存需求少 倍，并且不受限于球形散射体几何。我们探究了波长尺度圆柱柱的散射电磁场分布，通过奇异值分解获得数据的低维表示。我们创建了一个可微模型，将超表面散射体的输入几何与配置拟合到输出场的低维表示。为验证我们的模型，我们逆向设计了两个光学元件：一个在 nm 聚焦光并在 nm 产生环形光束的波分复用元件，以及一个扩展景深透镜。
引用
@article{arxiv.2008.10632,
title = {Deep learning to accelerate Maxwell's equations for inverse design of dielectric metasurfaces},
author = {Maksym V. Zhelyeznyakov and Steven L. Brunton and Arka Majumdar},
journal= {arXiv preprint arXiv:2008.10632},
year = {2020}
}