面向超均匀光学材料逆向设计的多尺度物理信息神经网络
光学
2025-05-22 v4 无序系统与神经网络
应用物理
摘要
本文采用多尺度物理信息神经网络 (MscalePINNs) 用于有限尺寸光子材料的逆向设计，其包含侦察样的超均匀 (SHU) 无序几何结构。具体而言，我们表明 MscalePINNs 能够捕捉由排列于各向同心 SHU 点图案中的介质纳米柱阵列所散射的复杂场的快速空间变化，从而系统方法论地逆向检索其有效介电率轮廓。我们的ethods扩展了最近发展的超均匀介质的高频均匀化理论，检索适用于实际有限尺寸 SHU 系统的更一般介电率轮廓，揭示其各向同性特性的独特特征。特别地，我们数值证实了透明区域超越长波长近似的存在，即使在无无序平均的情况下，仍可实现有效且各向同性的均匀化，这与无关的泊松随机图案的情况不同。本文所引入的灵活多尺度网络方法，使得能够高效逆向设计更一般的有效介质和具有各向同性电磁响应的有限尺寸光学超材料，超越传统均匀化理论的局限性。
引用
@article{arxiv.2405.07878,
title = {Multiscale Physics-Informed Neural Networks for the Inverse Design of Hyperuniform Optical Materials},
author = {Roberto Riganti and Yilin Zhu and Wei Cai and Salvatore Torquato and Luca Dal Negro},
journal= {arXiv preprint arXiv:2405.07878},
year = {2025}
}