集成纳米光子器件的深度神经网络逆向设计
应用物理
2018-09-12 v1 介观与纳米尺度物理
光学
摘要
预测人工结构材料的物理响应在科学与工程应用中尤为重要。在此，我们利用深度学习预测人工设计的纳米光子器件的光学响应。除预测任意给定拓扑的透射响应前向近似外，该方法还允许我们针对目标光学响应进行逆向近似设计。我们的深度神经网络（DNN）能够在不到一秒的时间内设计出紧凑型（2.6x2.6 μm²）基于绝缘体上硅（SOI）的 1×2 功率分配器，且具有多种目标分光比。该模型经训练以最小化反射（小于 20 dB），同时实现最大传输效率（高于 90%）与目标分光规格。该方法为依赖复杂纳米结构的集成光子器件快速设计铺平了道路。
引用
@article{arxiv.1809.03555,
title = {Deep Neural Network Inverse Design of Integrated Nanophotonic Devices},
author = {Mohammad H. Tahersima and Keisuke Kojima and Toshiaki Koike-Akino and Devesh Jha and Bingnan Wang and Chungwei Lin and Kieran Parsons},
journal= {arXiv preprint arXiv:1809.03555},
year = {2018}
}