利用条件深度卷积生成对抗网络设计纳米光子结构
光学
2019-03-21 v1 机器学习
摘要
基于深度学习的驱动数据设计方法已被引入纳米光子学，以减轻耗时迭代模拟这一主要挑战。在此，我们报道了首次使用条件深度卷积生成对抗网络（conditional deep convolutional GAN）来设计不受预定义形状约束的纳米光子天线。对于给定的输入反射光谱，网络以图像形式生成理想的设计；这种形式可提出无法由结构参数表示的新结构。由生成设计获得的模拟结果与输入反射光谱吻合良好。该方法通过提供一种快速便捷的途径来设计具有所需光学性质的复杂纳米光子结构，为纳米光子学的发展开辟了新途径。
关键词
引用
@article{arxiv.1903.08432,
title = {Designing nanophotonic structures using conditional-deep convolutional generative adversarial networks},
author = {Sunae So and Junsuk Rho},
journal= {arXiv preprint arXiv:1903.08432},
year = {2019}
}