通过多保真高斯过程优化光子纳米结构
利用元表面技术对薄膜光学进行光学特性的灵活操控,本研究提出了一种替代优化框架来开发适用于天文高对比度成像的两种旋涡相位面具,其中的几何特征通过计算智能技术进行优化。为解决传统方法的不足,引入一种数据高效的进化优化设置,利用深度神经网络作为高度精确和高效的替代模型,使用健壮的粒子群进化优化方案操作光子器件的几何参数进行优化,通过该方法,优化了两种设计方案的性能,有效地将所需的模拟次数与传统优化技术相比减少了 75%。
Sep, 2023
本研究介绍了应用于纳米光子结构的电动力学模拟和基准测试的框架和标杆,以评估结构的性能和优化算法的效果,并探索了电动力学模拟中网格尺寸变化对结构设计的影响。
Oct, 2023
本文提出了一种基于机器学习的全局优化框架,以设计光子器件。该方法使用对抗自动编码器和元启发式优化框架,通过物理传递的压缩设计空间工程,提高了元器件配置的优化搜索效率,并可以揭示器件的光学性能的物理基础。
Jul, 2020
我们展示了一种多保真度(MF)机器学习集成框架,用于逆向设计光子表面,该框架基于一个由我们使用高通量飞秒激光加工制备的 11,759 个样本的数据集进行训练。MF 集成组合了一个初始低保真度模型以生成设计解决方案,并与一个通过局部优化对这些解决方案进行改进的高保真度模型。组合的 MF 集成可以生成多个不同的激光加工参数集,每个参数集都可以以高精度(均方根误差 < 2%)产生相同的目标输入光谱发射率。SHapley Additive exPlanations 分析显示出复杂的激光参数与光谱发射率之间透明的模型可解释性关系。最后,MF 集成通过制备和评估由其生成的用于改进效率的能量收集装置的光子表面设计进行了实验验证。我们的方法为推进在能量收集应用中的光子表面逆向设计提供了强大的工具。
Jun, 2024
本研究提出了一种基于物理启发的人工智能有限差分时域(FDTD)预测框架 PIC2O-Sim,通过神经算子设计与麦克斯韦方程的物理特性相结合,并采用多阶段分割时间捆绑技术,提高模拟速度并降低预测误差。对三个具有挑战性的光子器件模拟任务进行了广泛评估,结果显示我们的 PIC2O-Sim 方法具有更低的预测误差、比现有神经算子更少的参数以及比开源 FDTD 数值求解器更高的模拟速度。
Jun, 2024
我们在这篇论文中引入了一种改进的随机梯度下降方法,该方法综合了在黎曼优化的最新数值方法,旨在解决高维复杂结构问题中的量子过程测试问题。该方法通过数据驱动的方式实现了准确、数量级更快的结果,并且可以处理不完整的数据,并通过在量子计算机上表征了一个工程化的过程来展示我们的方法。
Apr, 2024
本文采用贝叶斯方法和高斯过程对 Linac Coherent Light Source 中的多极磁铁进行优化,通过对少量样本的控制参数建立概率模型并加入设备间的关联,成功实现了高效的优化策略。
Sep, 2019
通过神经网络的学习算法,本文设计了一种新颖的元表面结构,并结合新型的基于神经元特征的图像重建算法,在全彩超小场景,完成首个高质量的纳米光学成像装置,同时实现最宽的视野和最大的 0.5mm,f/2 光圈。
Feb, 2021
我们提出了一种新的 fab-in-the-loop 强化学习算法,用于设计考虑纳米制造过程中的不完美之处的纳米光子元件。通过将该算法应用于单刻蚀平台上制造的 220nm 硅绝缘体(SOI)光子晶体光栅耦合器(PhCGC)的设计,该算法将插入损耗从 8.8 dB 降低到 3.24 dB。使用我们的 fab-in-the-loop 算法产生的最宽带宽设计能够在其最低点处以少于 10.2 dB 的损耗覆盖 150 nm 的带宽。
Jul, 2023
本研究提出一种新的天线阵列校准方法,采用基于贝叶斯机器学习的近场测量的非参数模型对天线系统的波束赋形权重进行连续变换,以修正天线元件之间的硬件失真和相互耦合效应,可用于不同规模的数字和模拟波束赋形天线阵列,并探讨了在动态硬件失真的实时操作方面的进一步发展。
Jan, 2023