光子晶体拓扑相变的机器学习预测
光学
2020-10-28 v1 计算物理
摘要
我们训练人工神经网络以区分一维光子晶体中一组能带的几何相位。我们发现，即便对于几何与材料参数超出训练数据集范围的情形，训练后的网络仍能对一维光子晶体的拓扑相给出极为准确的预测。训练后网络的另一显著能力是预测参数空间中拓扑相变的边界，而该边界附近的大部分训练数据被有意剔除。结果表明，该网络确实学到了 Maxwell 方程结构的本质，并具备在训练数据集范围之外预测拓扑不变量的能力。
引用
@article{arxiv.1907.07996,
title = {Machine prediction of topological transitions in photonic crystals},
author = {Bei Wu and Kun Ding and C. T. Chan and Yuntian Chen},
journal= {arXiv preprint arXiv:1907.07996},
year = {2020}
}
备注
11 pages, 5 figures