光子器件逆向设计-机器学习深度学习驱动的光子学设计与应用,你get了嘛?

【机器学习深度学习驱动光子学设计与应用专题】
【涵盖内容】:电磁仿真软件与Python基础、OOP在电磁仿真和光子学设计中的应用、基于全局搜索算法的光子器件设计、基于机器学习算法的光子器件设计与性能预测、机器学习模型的训练和验证、基于梯度优化算法的光子结构设计、基于深度生成模型的光子结构逆向设计、多功能超表面设计、多算法融合的微纳光学系统端到端设计。
【案例分析与实践】:基于直接二元搜索的片上偏振分束器设计、基于伴随变量算法的片上波分复用器设计、基于VAE的自由形状超表面结构设计、全息超表面设计、基于多算法融合的多功能超表面设计等  
vx公众号:研而有信er 详查:    https://mp.weixin.qq.com/s/PbjJpULbM4nKvGuvrghHug

机器学习深度学习驱动的光子学设计与应用专题培训会议大纲

时间

主要内容

第一天

  1. 光子学与深度学习概述
    1. 微纳光子学基础和应用
    2. 基于智能算法的光子学设计:概念与进展
  2. 电磁仿真软件与Python基础
    1. Python面向对象编程介绍
      1. 面向对象编程(OOP)的基本原则,如何在Python中实现
      2. OOP在电磁仿真和光子学设计中的应用
    2. CST Microwave Studio、Lumerical FDTD Solutions等电磁仿真软件的使用
    3. 仿真软件的自动化接口调用

案例分析:展示如何通过自动化接口调用提高仿真效率

  1. 基于全局搜索算法的光子器件设计
    1. 全局搜索算法简介:遗传算法、粒子群算法、模拟退火算法等
    2. 直接二元搜索算法的原理

案例分析与实践:基于直接二元搜索的片上偏振分束器设计

(Nature Photonics, 9, 6, (2015))

  • 片上偏振分束器的设计要求和性能指标
  • 利用直接二元搜索算法进行优化设计的过程
  • 实践操作,包括算法实现、参数调优、结果分析等

第二天

  1. 基于机器学习算法的光子器件设计与性能预测
    1. 机器学习算法简介
      1. 监督学习、非监督学习、强化学习等机器学习算法的基本原理
      2. 机器学习、深度学习算法在光子结构设计中的应用
    2. 软件和工具
      1. 机器学习工具(如TensorFlow、PyTorch等)介绍及使用
      2. 深度学习光子设计的数据采集:数据采集的方法和技巧,为深度学习模型准备数据。
    3. 机器学习模型的训练和验证
      1. 深度学习模型工程文件的基本结构与设计
      2. 深度学习模型的训练流程和参数调优技巧
      3. 深度神经网络模型的原理

案例分析与实践:搭建一个基于深度神经网络的光学响应预测模型

  • 深度神经网络在光学响应预测中的应用
  • 网络架构的选择、模型训练和调优的策略
  • 实践操作,包括数据准备、模型搭建、训练调优、结果分析等。

第三天

  1. 基于梯度优化算法的光子结构设计
    1. 伴随变量算法介绍
    2. 水平集算法介绍

案例分析与实践:基于伴随变量算法的片上波分复用器设计(Nature Photonics, 9, 6 (2015))

  • 片上波分复用器的设计要求和性能指标。
  • 伴随变量算法在设计中的应用,如模式选择、带宽优化等。
  • 实践操作,包括算法实现、参数调优、结果分析等。
  1. 基于深度生成模型的光子结构逆向设计
    1. 深度生成模型介绍:变分自编码器VAE、生成对抗网络GAN等
    2. 生成模型的自监督学习方法在光子器件设计中的应用

案例分析与实践:基于VAE的自由形状超表面结构设计,Advanced Materials 31 (35), 1901111(2019), SCIENCE CHINA, 63(8), 1-8 (2020)

  • 自由形状超表面的概念,如相位调控、波前整形等。
  • 基于VAE的设计流程,如数据准备、模型训练、结构生成等。
  • 实践操作,包括算法实现、参数调优、结果分析等。

第四天

  1. 多功能超表面设计
    1. 多功能超表面概述和设计难点
    2. 超表面波前调控器件设计方法

案例分析与实践:全息超表面设计

  • 全息超表面的概念,如布拉格衍射、全息成像等。
  • 设计流程,如全息图生成、超表面设计、性能测试等。
  • 实践操作,包括全息图设计、超表面优化、性能分析等
  1. 多算法融合的微纳光学系统端到端设计
    1. 多算法融合设计思路简介,微纳光学系统的端到端设计

案例分析与实践:基于多算法融合的多功能超表面设计,Advanced Materials 34 (16), 2110022, 2022

  • 多算法融合在多功能超表面设计中的作用,如性能提升、设计优化等。
  • 设计流程,如算法选择、协同机制、性能评估等。
  • 实践操作,包括算法实现、协同优化、结果分析等。

  • 主讲介绍:

来自国家“985工程”重点高校的老师,授课讲师有着丰富的Lumerical、Python使用经验,以第一/通讯作者在《Nature Photonics》、《Advanced Materials》等国际Top期刊发表论文数十篇,被引3000余次。擅长领域:微纳光子学、集成光学、光芯片、电磁超材料器件等。

  • 时间地点:

20240608-06月09日     在线直播(授课两天)

20240615-06月16日     在线直播(授课两天)

  • 报名费用:

每人¥4900元(含报名费、培训费、资料费)

2024年5月27日前报名缴费可享受300元早鸟价优惠;

参加过我单位举办的其它课程的老学员,可享受额外300优惠;

费用提供用于报销的正规机打发票及盖有公章的纸质通知文件;

北京中科四方生物科技有限公司作为本次会议会务合作单位,负责注册费用收取和开具发票。如需开具会议费的单位请联系招生老师索取会议邀请函;

  • 增值服务:

1、凡报名学员将获得本次培训电子课件及案例模型文件;

2、培训结束可获得本次所学专题课程全部无限次回放视频;

4、参加培训并通过试的学员,可以获得:主办方北京软研国际信息技术研究院培训中心颁发的《智能算法光子学设计与应用》专业技能结业证书;

  • 联系方式:

官方联系人:崔老师   微信:  您扫码直接添加企业微信即可咨询

电话:13641304579   公众号:研而有信er   

  • 22
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值