用于光子器件评估与设计的深度神经网络
图像与视频处理
2021-01-11 v1 机器学习
应用物理
光学
摘要
数据科学革命有望改变光子系统的仿真与设计方式。光子学在许多方面是机器学习的理想载体：计算电磁学的大部分目标是捕获高维空间中的非线性关系，而这正是神经网络的核心优势。此外，Maxwell 求解器的主流可用性使得神经网络的训练和评估广泛可及，并可针对特定问题定制。在本综述中，我们将展示配置为判别网络的深度神经网络如何从历史训练集中学习并作为高速替代电磁求解器运行。我们还将考察深度生成网络如何学习器件分布中的几何特征，甚至被配置为鲁棒的全局优化器。还将讨论在光子学背景下框架的基础数据科学概念，包括网络训练过程、不同网络类别与架构的划分，以及降维。
引用
@article{arxiv.2007.00084,
title = {Deep neural networks for the evaluation and design of photonic devices},
author = {Jiaqi Jiang and Mingkun Chen and Jonathan A. Fan},
journal= {arXiv preprint arXiv:2007.00084},
year = {2021}
}
备注
Review paper