融合现实感知的深度学习用于角分辨准 quasi-optical 傅里叶表面
光学
2025-05-13 v2 应用物理
摘要
光学傅里叶表面（OFSs）具有正弦型轮廓的衍射元件，通过图案化纳米结构和入射角调制来操控光。相较于改变结构参数，调节仰角和方位角提供更大的设计灵活性以控制光场。然而，OFSs 的角分辨响应常因多样的模式激励和耦合而复杂，导致仿真结果与实际制造之间存在对齐困难。本文提出一种融合现实感知的深度学习框架，由角分辨测量力量驱动，以实现准 OFSs 的角向散射的实时准确预测。该方法捕获了包括纳米制造和测量瑕疵在内的关键特征，这些是常规仿真驱动的方法所忽略的。我们的框架显著加快了设计进程，同时在宽广的角向和光谱范围内实现高度一致的实验观测预测。我们的研究为 OFS 基础器件的开发提供了宝贵见解，并代表了从仿真驱动向现实感知方法的范式转变，为光学设计应用的进步铺平了道路。
引用
@article{arxiv.2505.05011,
title = {Reality-Infused Deep Learning for Angle-resolved Quasi-optical Fourier Surfaces},
author = {Wei Chen and Yuan Gao and Yiming Yan and Jiaqing Shen and Yongxiang Lin and Mingyong Zhuang and Zhaogang Dong and Jinfeng Zhu},
journal= {arXiv preprint arXiv:2505.05011},
year = {2025}
}