論文の概要: Automated Optical Multi-layer Design via Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2006.11940v1
• Date: Sun, 21 Jun 2020 23:41:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 12:52:46.508081
• Title: Automated Optical Multi-layer Design via Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習による光多層自動設計
• Authors: Haozhu Wang, Zeyu Zheng, Chengang Ji, L. Jay Guo
• Abstract要約: 我々は、シーケンス生成問題として多層光学設計タスクをフレーム化する。 光層配列を効率的に生成するディープシーケンス生成ネットワークを提案する。 提案手法は,近似ポリシ最適化を用いて深部シーケンス生成ネットワークを訓練し,所望の特性を持つ多層構造を生成する。
• 参考スコア（独自算出の注目度）: 8.067283219068832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical multi-layer thin films are widely used in optical and energy applications requiring photonic designs. Engineers often design such structures based on their physical intuition. However, solely relying on human experts can be time-consuming and may lead to sub-optimal designs, especially when the design space is large. In this work, we frame the multi-layer optical design task as a sequence generation problem. A deep sequence generation network is proposed for efficiently generating optical layer sequences. We train the deep sequence generation network with proximal policy optimization to generate multi-layer structures with desired properties. The proposed method is applied to two energy applications. Our algorithm successfully discovered high-performance designs, outperforming structures designed by human experts in task 1, and a state-of-the-art memetic algorithm in task 2.
• Abstract（参考訳）: 光多層薄膜は、フォトニック設計を必要とする光学およびエネルギー応用に広く使われている。 エンジニアは物理的直感に基づいてこのような構造を設計することが多い。 しかし、人間の専門家のみに頼ることは時間のかかることがあり、特にデザインスペースが大きい場合、最適でない設計に繋がる可能性がある。 本研究では,多層光設計タスクをシーケンス生成問題として構成する。 光層配列を効率的に生成するディープシーケンス生成ネットワークを提案する。 近位ポリシー最適化を施したディープシーケンス生成ネットワークを訓練し,所望の特性を有する多層構造を生成する。 提案手法は2つのエネルギー応用に適用できる。 提案手法は,タスク1で人間の専門家が設計した高性能設計と,タスク2で最先端のメカティックアルゴリズムをうまく発見できた。

関連論文リスト

• Investigation of inverse design of multilayer thin-films with conditional invertible Neural Networks [62.997667081978825]
  我々は、条件付き可逆ニューラルネットワーク(cINN)を用いて、光学目標を与えられた多層薄膜を逆設計する。 我々は、cINNが、ランダムな変数に応じて、所望のターゲットに適当に近い薄膜構成の提案を生成可能であることを示す。
  論文  参考訳（メタデータ） (2022-10-10T12:29:20Z)
• Multi-scale Attentive Image De-raining Networks via Neural Architecture Search [23.53770663034919]
  我々は,画像デラリニングのための高性能なマルチスケール注意型ニューラルネットワーク探索(MANAS)フレームワークを開発した。 提案手法は,画像デライニング作業に好適な複数のフレキシブルモジュールを備えた,新しいマルチスケールアテンション検索空間を定式化する。 ディライニングネットワークの内部マルチスケール注意アーキテクチャは、勾配に基づく探索アルゴリズムによって自動的に探索される。
  論文  参考訳（メタデータ） (2022-07-02T03:47:13Z)
• Total Variation Optimization Layers for Computer Vision [130.10996341231743]
  コンピュータビジョンのためのレイヤとして,全変動(TV)最小化を提案する。 画像処理における全変動の成功により、我々は、層としてのテレビがディープネットに有用な帰納バイアスを与えるという仮説を立てた。 本仮説は,画像分類,弱教師付き物体の局所化,エッジ保存平滑化,エッジ検出,画像復調という5つのコンピュータビジョンタスクについて検討する。
  論文  参考訳（メタデータ） (2022-04-07T17:59:27Z)
• Dynamically Grown Generative Adversarial Networks [111.43128389995341]
  本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。 本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
  論文  参考訳（メタデータ） (2021-06-16T01:25:51Z)
• Twins: Revisiting Spatial Attention Design in Vision Transformers [81.02454258677714]
  本稿では,注意深い空間的注意機構が最先端のスキームに対して好適に機能することを実証する。 Twins-PCPVTとTwins-SVTの2つのビジョントランスアーキテクチャを提案します。 提案するアーキテクチャは,現代のディープラーニングフレームワークに高度に最適化された行列乗算のみを含む,高効率かつ実装が容易である。
  論文  参考訳（メタデータ） (2021-04-28T15:42:31Z)
• Automated Search for Resource-Efficient Branched Multi-Task Networks [81.48051635183916]
  我々は,多タスクニューラルネットワークにおける分岐構造を自動的に定義する,微分可能なニューラルネットワーク探索に根ざした原理的アプローチを提案する。 本手法は,限られた資源予算内で高い性能の分岐構造を見いだすことができる。
  論文  参考訳（メタデータ） (2020-08-24T09:49:19Z)
• Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs [5.8010446129208155]
  本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。 RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T06:50:47Z)
• Multi-objective and categorical global optimization of photonic structures based on ResNet generative neural networks [0.0]
  残余のネットワークスキームにより、GLOnetは深いアーキテクチャから浅いネットワークへと進化し、グローバルに最適なデバイスの狭い分布を生成することができる。 GLOnetは従来のアルゴリズムに比べて桁違いに高速でグローバルな最適化が可能であることを示す。 その結果,深層学習における高度な概念が,フォトニクスの逆設計アルゴリズムの能力を推し進めることが示唆された。
  論文  参考訳（メタデータ） (2020-07-20T06:50:53Z)
• Multifunctional Meta-Optic Systems: Inversely Designed with Artificial Intelligence [1.076210145983805]
  本稿では,多機能な多層メタ光学システムを設計するための人工知能フレームワークを提案する。 本稿では、偏光多重機能ビーム発生器、全光計算のための第2次微分器、空間偏光波長多重ホログラムの例を示す。
  論文  参考訳（メタデータ） (2020-06-30T22:15:15Z)
• Understanding Deep Architectures with Reasoning Layer [60.90906477693774]
  本研究では,アルゴリズムの収束,安定性,感度といった特性が,エンドツーエンドモデルの近似と一般化能力と密接に関連していることを示す。 私たちの理論は、深いアーキテクチャを推論層で設計するための有用なガイドラインを提供することができます。
  論文  参考訳（メタデータ） (2020-06-24T00:26:35Z)
• Deep Unfolded Multicast Beamforming [20.50873301895484]
  マルチキャストビームフォーミングはマルチキャスト通信において有望な技術である。 ビームフォーミング設計のための深層学習に基づくアプローチが提案されている。 本稿では,高スケーラビリティ・高効率の深部展開型トレーニング可能なビームフォーミング設計を提案する。
  論文  参考訳（メタデータ） (2020-04-20T14:44:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。