基于扩展神经 adjoint 和回归激活映射的光学多层薄膜可解释逆设计
光学
2025-07-28 v1 计算工程、金融与科学
机器学习
计算物理
摘要
我们提出了扩展神经 adjoint(ENA)框架，满足人工智能辅助光学多层薄膜(OMT)逆设计的六个关键标准：准确性、效率、多样性、可扩展性、灵活性和可解释性。为增强现有神经 adjoint 方法的可扩展性，我们提出了一种新的前向神经网络架构用于OMT，并将材料损失函数引入现有的神经 adjoint 损失函数，以促进OMT材料配置的探索。此外，我们详细阐述了针对所提出前向神经网络架构(F-RAM)的回归激活映射，一种旨在提高可解释性的特征可视化方法。我们通过进行消失研究来验证材料损失的有效性，系统地移除损失函数的每个组件并进行评估。结果表明，包括材料损失的加入显著提高了准确性和多样性。为论证ENA基于逆设计的性能，我们将其与基于残差网络的全局优化网络(Res-GLOnet)进行比较。ENA获得的OMT逆设计解决方案在准确性和多样性方面均优于Res-GLOnet。为演示可解释性，我们将F-RAM应用于获得的多样OMT结构，这些结构具有相似的光学性能。我们展示了对于各种OMT结构在分布上的特征重要性，这些结构表现出类似的光学性能，尽管在材料配置、层数和厚度方面存在差异。此外，我们展示了ENA方法的灵活性，通过限制OMT的初始层为SiO2和100 nm。
引用
@article{arxiv.2507.18644,
title = {Interpretable inverse design of optical multilayer thin films based on extended neural adjoint and regression activation mapping},
author = {Sungjun Kim and Jungho Kim},
journal= {arXiv preprint arXiv:2507.18644},
year = {2025}
}