基于FDTD仿真和可解释机器学习方法的金属-介质多层结构可调等离子体吸收
计算工程、金融与科学
2025-08-07 v1
摘要
等离子体器件是现代纳米光子学的基本组成，利用金属中自由电子与光的共振相互作用，以实现光捕获和电磁场约束的增强。然而，对其复杂非线性光学响应的建模计算负担沉重。本文将有限差分时域仿真与机器学习相结合，用于模拟和预测由SiO2、金、银和铟锡氧化物组成的多层等离子体堆栈中吸收功率的行为。通过在300-1500nm的光谱范围内变化Au和Ag厚度（10-50nm），我们从麦克斯韦方程组的全波解中生成空间吸收图和集成功率指标。多层感知器模型对全局吸收行为的预测精度达到平均绝对误差为0.0953，而卷积神经网络预测空间吸收分布的精度达到平均绝对误差为0.0101。SHapley Additive exPlanations识别出等离子体层厚度和激发波长是吸收的主要贡献因子，吸收峰值位于450至850nm之间。金银显示出更广泛且更持久的吸收，但两种金属在共振窗口之外的效率均有所降低。该集成FDTD-ML框架提供了一个快速、可解释且精确的多层系统可调等离子体行为探索方法，适用于光学传感、光伏和纳米光子器件设计。
引用
@article{arxiv.2508.04014,
title = {Tunable Plasmonic Absorption in Metal-Dielectric Multilayers via FDTD Simulations and an Explainable Machine Learning Approach},
author = {Emmanuel A. Bamidele},
journal= {arXiv preprint arXiv:2508.04014},
year = {2025}
}
备注
19 pages, 9 Figures