Sep, 2023

神经刻印：使用 “实 2 虚” 学习的光刻模拟器，弥合计算光学中的设计到制造差距

PDF
TL;DR我们引入神经光刻术来解决计算光学中的 ' 设计到制造 ' 差距问题，并通过两个任务演示了其有效性。
neural lithographycomputational opticsdesign-to-manufacturing gapphotolithography simulatoroptical design
发现论文，激发创造
  • 全新端到端可生产的纳米光刻建模与修正的机器学习流程

    通过分析原因，本研究提出了一种高度可扩展的端到端流程，以实现生产就绪的机器学习计算光刻修正。

    Jan, 2024

  • 高性能实际光学计算通过原地非模型优化训练

    光计算系统的实地优化是无模型的解决方案，基于分数梯度估计算法，其简单性和对计算资源的低需求加速了光计算从实验室演示到现实世界应用的过渡。

    Jul, 2023

  • 高质量薄透镜成像的神经纳米光学

    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

  • 使用衍射深度神经网络的全光机器学习

    使用光学全衍射深度神经网络 (D2NN) 进行手写数字分类和成像透镜功能的学习，可以在光速下执行复杂函数，该技术具有潜在的光学图像分析和对象分类应用，并能够实现独特的任务。

    Apr, 2018

  • 大规模生产移动终端的计算光学

    本研究提出了一个基于模型的优化框架，用于从加工样本的空间频率响应中构建代理相机，进而为训练基于学习的算法提供光学畸变和随机制造偏差的合成数据对，并利用超扩张全方位动态卷积来纠正制造降解，从而实现全面的计算摄影。

    May, 2023

  • 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

  • 神经透镜建模

    本研究提出一种神经镜头模型 ——NeuroLens，通过神经网络对失真和暗角进行建模并进行优化，可用于预捕捉校准、重新校准，同时可集成到现有的三维重建和渲染系统中，并在比起标准配套和最新方法时表现更好。

    Apr, 2023

  • 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

  • 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

  • 高效数据驱动深度学习优化的光子结构：纳米鳍片和环形凹槽相位掩模应用

    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