使用强化学习寻找光学纳米结构的最佳设计参数
图像与视频处理
2018-10-26 v1 机器学习
光学
摘要
近来，强化学习领域中出现了一种称为深度 Q 学习的新机器学习模型。该模型能够在由数百万种选择构成的系统中找到最佳可能解，而此前从未经历过该系统，并已被用于击败复杂游戏（如围棋和象棋）中最强的人类头脑，这些游戏每一步都有海量可能的决策与结果。凭借人类水平的智能，它解决了此前任何其他机器学习模型都无法解决的问题。在此，我们展示了将该模型应用于光学问题所需的步骤。我们研究了介电纳米结构的颜色生成，并表明该模型能够找到相比人类研究者发现的几何特性，可生成更深红、绿、蓝颜色的几何特性。该技术可轻易扩展以预测并寻找其他光学结构的最佳设计参数。
引用
@article{arxiv.1810.10964,
title = {Finding the best design parameters for optical nanostructures using reinforcement learning},
author = {Iman Sajedian and Trevon Badloe and Junsuk Rho},
journal= {arXiv preprint arXiv:1810.10964},
year = {2018}
}