WaveY-Net：用于高速电磁仿真与优化的物理增强深度学习
应用物理
2022-03-03 v1 人工智能
计算物理
摘要
结构化介质内电磁场分布的计算是光子器件优化与验证的核心。我们引入 WaveY-Net，一种数据与物理联合增强的卷积神经网络，能够以超快速度和高精度预测整类介电光子结构的电磁场分布。这一精度通过训练神经网络仅学习系统的磁场近场分布，并以两种方式使用麦克斯韦方程组的离散形式实现：作为损失函数中的物理约束，以及作为由磁场计算电场的手段。作为一个模型系统，我们构建了周期硅纳米结构阵列的替代模拟器，并展示该高速模拟器可直接有效地用于超光栅的局部与全局自由形式优化。我们预期物理增强网络将作为许多类光子系统可行的麦克斯韦模拟器替代方案，改变其设计方式。
引用
@article{arxiv.2203.01248,
title = {WaveY-Net: Physics-augmented deep learning for high-speed electromagnetic simulation and optimization},
author = {Mingkun Chen and Robert Lupoiu and Chenkai Mao and Der-Han Huang and Jiaqi Jiang and Philippe Lalanne and Jonathan A. Fan},
journal= {arXiv preprint arXiv:2203.01248},
year = {2022}
}