基于多保真度高斯过程优化光子纳米结构
机器学习
2018-11-20 v1 机器学习
摘要
我们结合数值方法与有限差分时域（FDTD）模拟，利用新颖的多保真度高斯过程方法，在五维参数空间上通过多目标优值优化等离子体镜面滤色片的透射特性。我们将这些结果与传统的无导数全局搜索算法进行比较，例如（单保真度）高斯过程优化方案，以及纳米光子学领域常用、在 Lumerical 商业光子学软件中实现的粒子群优化（Particle Swarm Optimization）。我们在多个预先收集的真实世界数据集上展示了各种数值优化方法的性能，并表明通过合理地用廉价模拟权衡昂贵的的信息源，可以在固定预算下更有效地优化透射特性。
引用
@article{arxiv.1811.07707,
title = {Optimizing Photonic Nanostructures via Multi-fidelity Gaussian Processes},
author = {Jialin Song and Yury S. Tokpanov and Yuxin Chen and Dagny Fleischman and Kate T. Fountaine and Harry A. Atwater and Yisong Yue},
journal= {arXiv preprint arXiv:1811.07707},
year = {2018}
}
备注
NIPS 2018 Workshop on Machine Learning for Molecules and Materials. arXiv admin note: substantial text overlap with arXiv:1811.00755