基于卷积神经网络的薄膜超材料通用逆向设计
计算物理
2026-05-25 v2 光学
摘要
设计具有独特光学响应的超材料是大多数薄膜纳米光子学应用的基础。实际上，由于一般多层系统关联的巨大设计参数空间，这一逆向设计问题难以系统求解。我们应用卷积神经网络（深度机器学习的子集）作为工具，解决由薄膜堆叠构成的超材料的逆向设计问题。我们展示了神经网络探测巨大全局设计空间（多达 种可能参数组合）并解析超材料结构与其对应椭偏及反射/透射光谱之间所有关系的卓越能力。该方法的适用性进一步扩展至一般设计场景中合成工程光谱的逆向设计。此外，将该方法与传统优化方法进行比较。我们发现随着总层数的增加，网络的相对优化效率提升，揭示了机器学习方法在多层系统中传统方法变得不实用时的优势。
引用
@article{arxiv.2104.01952,
title = {General Inverse Design of Thin-Film Metamaterials With Convolutional Neural Networks},
author = {Andrew Lininger and Michael Hinczewski and Giuseppe Strangi},
journal= {arXiv preprint arXiv:2104.01952},
year = {2026}
}
备注
31 pages, 5 figures