多头注意力深度学习赋能超高 Q 因子手性共振
光学
2025-12-12 v1
摘要
高质量 (Q) 因子光学手性共振器是许多手性光子器件不可或缺的组件。传统方法通过大量参数扫描来实现超高 Q 因子，但耗时且效率低下。虽然深度学习提供了快速设计方案，但常规模型仍面临准确预测超高 Q 因子光谱特征的挑战。本研究引入多头注意力网络 (MuHAN) 以加速 bilayer Metasurfaces 中超高 Q 因子光学手性共振器的设计。MuHAN 在约 10ms 内完成前向光谱预测，速度远超有限差分时域仿真，前向和逆向预测准确率分别达到 99.85% 和 99.9%。通过迁移学习到的物理原理，我们在极低计算成本下基于手性准束态连续态 (quasi-BICs) 设计出 Q 因子最高可达 2.9910E5 的纳米尺度结构。基于 MuHAN 的快速设计工具，使我们能够实现高性能加密成像，将深度学习与高 Q 手性 Metasurfaces 相结合，为高级探测、激光和检测应用提供支持。
引用
@article{arxiv.2512.10798,
title = {Ultrahigh-Q chiral resonances empowered by multi-head attention deep learning},
author = {Cong Zhang and Jiaju Wu and Huazheng Wu and Yufei Liu and Xu Yang and Na Liu and Chaoyang Wang and Peipei Chen and Chenggang Yan and Seng Yang and Xingguang Liu and Shaowei Jiang},
journal= {arXiv preprint arXiv:2512.10798},
year = {2025}
}
备注
21pages, 7 figures