文献阅读丨基于人工智能的光子学逆设计：具有强偏振选择性的多层散射体

HelloFeynman

已于 2025-03-23 11:00:34 修改

阅读量292

点赞数 3

分类专栏：文献记录本文章标签：人工智能机器学习论文阅读笔记

于 2025-03-16 19:18:50 首次发布

本文链接：https://blog.csdn.net/janezhang123011/article/details/146299542

版权

文献记录本专栏收录该内容

4 篇文章

订阅专栏

欢迎关注我的新公众号：倒三角冲浪家

在此更新力学、工程类交叉学科等最新文献，以及其他趣味题材文章

【摘要】

人工智能被用于多层圆柱纳米棒的光子学逆设计，这些纳米棒在散射可见光时展现出极高的偏振选择性。通过一个神经网络获得了最优配置，该网络的训练数据集仅包含性能显著较低的设计。所报道的纳米棒可集成到片上系统中，在从超高效传感与成像，到安全光通信和锐化滤波等广泛的光学应用领域发挥作用。

（全连接神经网络及数据集）

【引言】

光子学逆设计致力于挑选恰当的材料和光源，以使光子学系统的输出契合预期目标。人工智能在解决各类逆问题上成果颇丰，在光子学逆设计领域也备受瞩目。鉴于电磁场的矢量特性，偏振转换相关研究层出不穷。本文借助神经网络开展逆设计工作，着力探寻具备高偏振选择性的电磁结构。

（不同学习率以及随机失活率神经网络的均方根）

【方法】

针对多层圆柱散射体在平面波照射下的电磁散射现象展开研究，运用 Mie 理论来计算散射功率，并定义了相对散射功率、偏振对比度函数 A 以及总功率 G。采用全连接神经网络来处理这一逆问题，其输入源自散射功率相关的指标数据，输出则是圆柱层的厚度参数。通过最小化均方误差损失函数来确定网络的权重，同时运用 Adam 优化器等技术助力训练过程，并对数据集进行精心筛选。