基于人工神经网络的等离子体波导系统高效光谱预测与逆向设计
光学
2019-04-10 v3
摘要
在本文中，我们提出一种新方法，基于人工神经网络 (ANNs) 实现耦合腔结构的等离子体波导 (PWCCS) 的光谱预测、参数拟合、逆向设计与性能优化。源自 PWCCS 的 Fano 共振与等离子体诱导透明效应被选作例证以验证 ANNs 的有效性。我们使用遗传算法设计网络架构并为 ANNs 选择超参数。一旦 ANNs 由蒙特卡洛方法生成的少量数据采样训练后，ANNs 预测的透射光谱便与仿真结果相当近似。从理论上讨论了现象背后的物理机制，并利用训练好的 ANNs 拟合了理论模型中的不确定参数。更重要的是，我们的结果表明该模型驱动方法不仅以高精度实现了 PWCCS 的逆向设计，还优化了透射光谱的一些关键性能指标。与以往工作相比，我们构建了 PWCCS 的一种新型模型驱动分析方法，有望在器件设计、性能优化、变异性分析、缺陷检测、理论建模、光互连等方面具有重要应用。
引用
@article{arxiv.1805.06410,
title = {Efficient spectrum prediction and inverse design for plasmonic waveguide systems based on artificial neural networks},
author = {Tian Zhang and Jia Wang and Qi Liu and Jinzhan Zhou and Jian Dai and Xu Han and Jianqiang Li and Yue Zhou and Kun Xu},
journal= {arXiv preprint arXiv:1805.06410},
year = {2019}
}
备注
10pages, 6 figures