基于深度学习的核壳纳米颗粒材料与参数同步逆向设计:偶极共振工程演示
光学
2019-04-08 v1
摘要
近期基于深度学习技术的数据驱动方法的引入,通过提供高效的逆向设计方法革新了纳米光子学领域。本文中,利用神经网络的深度学习首次实现了核壳纳米颗粒的材料与结构参数的同步逆向设计。我们开发并训练了一个神经网络,以学习电偶极与磁偶极消光谱与核壳纳米颗粒设计(包括材料信息与壳层厚度)之间的关联。我们展示了深度学习辅助的核壳纳米颗粒逆向设计用于:1) 电偶极共振的谱调谐,2) 寻找谱上孤立的纯磁偶极共振,以及 3) 寻找谱上重叠的电偶极与磁偶极共振。我们的发现为纳米光子学的快速发展铺平了道路,使得深度学习技术在纳米光子逆向设计中的实际应用成为可能。
引用
@article{arxiv.1904.02848,
title = {Simultaneous inverse design of materials and parameters of core-shell nanoparticle via deep-learning: Demonstration of dipole resonance engineering},
author = {Sunae So and Jungho Mun and Junsuk Rho},
journal= {arXiv preprint arXiv:1904.02848},
year = {2019}
}