基于深度学习预测的等离激元色彩
光学
2019-06-05 v1
摘要
皮秒激光脉冲已被用作贵金属的表面着色技术，其颜色源于激光烧蚀和沉积过程中产生并重新沉积在表面的金属纳米颗粒中的等离激元共振。该技术提供了两个数据集，我们用其训练人工神经网络：一个是来自实验本身的数据（激光参数与颜色的关系），另一个是来自相应数值模拟的数据（几何参数与颜色的关系）。我们将深度学习应用于预测这两种情况下的颜色。我们还提出了一种求解逆问题的方法——即根据颜色预测几何参数和激光参数——使用了一种迭代多变量逆向设计方法。
引用
@article{arxiv.1902.05898,
title = {Plasmonic colours predicted by deep learning},
author = {Joshua Baxter and Antonino Calà Lesina and Jean-Michel Guay and Arnaud Weck and Pierre Berini and Lora Ramunno},
journal= {arXiv preprint arXiv:1902.05898},
year = {2019}
}