通过混合对抗自编码器与贝叶斯优化设计热辐射超材料
机器学习
2022-07-13 v1 计算物理
光学
摘要
设计热辐射超材料具有挑战性，尤其是对于具有高自由度和复杂目标的问题。在本快报中，我们开发了一种混合材料信息学方法，结合对抗自编码器和贝叶斯优化，以在不同目标波长下设计窄带热发射体。仅用数百个训练数据集，即可在压缩的二维潜空间中快速得出具有最优性质的新结构。这通过计算得到远少于总数 0.001% 的候选结构来实现最优设计，大幅降低了设计周期与成本。所提出的设计框架可轻松扩展至具有更高维特征的其他热辐射超材料设计。
引用
@article{arxiv.2205.01063,
title = {Designing thermal radiation metamaterials via hybrid adversarial autoencoder and Bayesian optimization},
author = {Dezhao Zhu and Jiang Guo and Gang Yu and C. Y. Zhao and Hong Wang and Shenghong Ju},
journal= {arXiv preprint arXiv:2205.01063},
year = {2022}
}