光子元件设计的强化学习

Jul, 2023

Reinforcement Learning for Photonic Component Design

Donald Witt, Jeff Young, Lukas Chrostowski

TL;DR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。

Abstract

We present a new fab-in-the-loop reinforcement learning algorithm for the design of nano-photonic components that accounts for the imperfections present in →

fab-in-the-loop reinforcement learning nano-photonic components nanofabrication processes photonic crystal grating couplers insertion loss

发现论文，激发创造

强化学习光子学结构

本文介绍了一种基于光子技术和强化学习的主动学习机制的设计方案，包括 SARSA, Q-learning 和 projective simulation 等算法。该方案可实现抽象和概括机制，并且具有可扩展性和可移植性。

Jul, 2019

机器学习辅助光子器件的全局优化

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

无模型强化学习在光学自动实验控制中的应用

我们使用强化学习和虚拟测试平台实现自动调整光纤对激光的耦合效率达到 90%，证明强化学习在实验室降低工作负荷上的可行性。

May, 2024

基于强化学习的无波前传感器自适应光学方法：卫星地面激光通信

本文研究了光学卫星通信（OSGC）中的自适应光学系统问题，并提出了使用强化学习（RL）来减小系统的延迟、大小和成本，通过与低成本四分之一光电二极管进行交互来学习控制策略的方案，并开发了一个 AO RL 环境来评估 RL 的性能。实证分析表明，PPO 优于 Soft-Actor-Critic 和 Deep Deterministic Policy Gradient，并且在 250 次训练之后，PPO 收敛到理想 Shack-Hartmann 传感器所能获得的最大奖励的 86％，表明强化学习在无波阵面传感器的 OSGC 中具有潜在的优势。

Mar, 2023

基于赌博机策略的多智能体无冲突 Q 学习及其光学实现

本研究提出了一种基于量子干涉的光子强化学习算法，扩展了传统方法以解决动态环境下的多智能体强化学习问题，并演示了多智能体强化学习可以通过光子干涉加速，以此避免智能体之间的冲突。

Dec, 2022

光学谐振腔的数据驱动设计

使用深度学习方法，基于 Fabry-Pérot 共振腔的完全解析描述，实现光学器件的逆向设计。

Dec, 2021

通过原位反向传播训练光子神经网络

本文提出了一种新的方法，使用伴随变量方法导出光子反向传播算法的光学模拟，并通过在设备内进行强度测量来准确获得这些梯度，从而大大提高了光学神经网络的训练效率。

May, 2018

基于多保真机器学习集成框架和高通量飞秒激光加工的 Inconel 光子表面逆向设计

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

利用人工神经网络进行纳米光子颗粒模拟和反向设计

使用人工神经网络逼近多层纳米粒子的光散射，并利用反向传播求解纳米光子逆向设计问题。

Oct, 2017

基于一元光子计算芯片和生成对抗学习的高效选项定价

本论文提出了一种光子芯片，利用一元法计算欧式期权定价，并结合量子振幅估计算法，与经典蒙特卡罗方法相比具有二次加速度。该芯片由三个模块组成：加载资产价格分布、计算预期收益和执行量子振幅估计算法。在资产价格分布模块中，嵌入了生成对抗网络以高效学习和加载资产分布，准确捕捉市场趋势。该研究是金融应用专用光子处理器发展的一步，有潜力提高金融服务的效率和质量。

Aug, 2023