論文の概要: Deep Convolutional Neural Networks to Predict Mutual Coupling Effects in Metasurfaces

• arxiv url: http://arxiv.org/abs/2102.01761v1
• Date: Tue, 2 Feb 2021 21:27:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 17:23:17.226035
• Title: Deep Convolutional Neural Networks to Predict Mutual Coupling Effects in Metasurfaces
• Title（参考訳）: 深部畳み込みニューラルネットワークによる地表面の相互結合効果予測
• Authors: Sensong An, Bowen Zheng, Mikhail Y. Shalaginov, Hong Tang, Hang Li, Li Zhou, Yunxi Dong, Mohammad Haerinia, Anuradha Murthy Agarwal, Clara Rivero-Baleine, Myungkoo Kang, Kathleen A. Richardson, Tian Gu, Juejun Hu, Clayton Fowler and Hualiang Zhang
• Abstract要約: 本研究では,大規模アレイに配置された各ターゲットメタ原子の実際の電磁応答を予測するための深層学習手法を提案する。 予測ニューラルネットワークは、ターゲットのメタ原子とその隣人の物理的仕様を入力として、その位相と振幅をミリ秒で計算する。 従来の設計手法に比べてビーム偏向器とメタレンの効率が大幅に向上した。
• 参考スコア（独自算出の注目度）: 6.993995471675809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metasurfaces have provided a novel and promising platform for the realization of compact and large-scale optical devices. The conventional metasurface design approach assumes periodic boundary conditions for each element, which is inaccurate in most cases since the near-field coupling effects between elements will change when surrounded by non-identical structures. In this paper, we propose a deep learning approach to predict the actual electromagnetic (EM) responses of each target meta-atom placed in a large array with near-field coupling effects taken into account. The predicting neural network takes the physical specifications of the target meta-atom and its neighbors as input, and calculates its phase and amplitude in milliseconds. This approach can be applied to explain metasurfaces' performance deterioration caused by mutual coupling and further used to optimize their efficiencies once combined with optimization algorithms. To demonstrate the efficacy of this methodology, we obtain large improvements in efficiency for a beam deflector and a metalens over the conventional design approach. Moreover, we show the correlations between a metasurface's performance and its design errors caused by mutual coupling are not bound to certain specifications (materials, shapes, etc.). As such, we envision that this approach can be readily applied to explore the mutual coupling effects and improve the performance of various metasurface designs.
• Abstract（参考訳）: metasurfacesはコンパクトで大規模の光学デバイスを実現するための新しい有望なプラットフォームを提供してきた。 従来の準曲面設計手法では、要素間の近接場結合効果が非同一構造に囲まれると変化するため、ほとんどの場合において不正確な各要素の周期的境界条件を仮定する。 本稿では,大規模アレイに配置された各ターゲットメタアトムの実際の電磁(EM)応答を,近接場結合効果を考慮して予測する深層学習手法を提案する。 予測ニューラルネットワークは、ターゲットのメタ原子とその近傍の物理的仕様を入力として、その位相と振幅をミリ秒で計算する。 この手法は, 相互結合による準曲面の性能劣化を説明するために適用可能であり, さらに最適化アルゴリズムと組み合わせて効率を最適化するためにも有効である。 本手法の有効性を実証するため,従来の設計手法に比べてビーム偏向器とメタレンの効率が大幅に向上した。 さらに, 準曲面の性能と相互結合による設計誤差の相関関係は, 特定の仕様(材料, 形状等)に拘束されないことを示す。 そこで本手法は, 相互結合効果を探索し, 種々の中表面設計の性能を向上させるために, 容易に適用できることを想定する。

関連論文リスト

• Computational metaoptics for imaging [3.105460926371459]
  計算メタ光学(Computational Metaoptics)は,地表面の物理的波面形成能力と高度な計算アルゴリズムを組み合わせることで,従来の限界を超えて画像性能を向上させる。 メタ曲面を物理プレコンディショナーとして扱い、エンド・ツー・エンド(逆)設計で再構成アルゴリズムと共設計することにより、光学ハードウェアと計算ソフトウェアを協調的に最適化することができる。 位相イメージングや量子状態測定など、計算メタ光学によって実現された高度な応用が強調されている。
  論文  参考訳（メタデータ） (2024-11-14T02:13:25Z)
• Compact Multi-Threshold Quantum Information Driven Ansatz For Strongly Interactive Lattice Spin Models [0.0]
  近似量子相互情報(QMI)に基づくアンザッツ建築の体系的手順を提案する。 提案手法は,QMI値に基づいて各層の量子ビット対が選択される層状アンサッツを生成し,より効率的な状態生成と最適化ルーチンを実現する。 その結果,Multi-QIDA法は高い精度を維持しながら計算複雑性を低減し,格子スピンモデルにおける量子シミュレーションに有望なツールであることがわかった。
  論文  参考訳（メタデータ） (2024-08-05T17:07:08Z)
• Benchmark on Drug Target Interaction Modeling from a Structure Perspective [48.60648369785105]
  薬物と標的の相互作用の予測は、薬物の発見と設計に不可欠である。 グラフニューラルネットワーク(GNN)やトランスフォーマーに基づく最近の手法は、さまざまなデータセットで例外的なパフォーマンスを示している。 我々は,GNNベースと暗黙的(トランスフォーマーベース)構造学習アルゴリズムを多用することにより,構造の観点からの薬物-標的相互作用モデリングの総合的な調査とベンチマークを行う。
  論文  参考訳（メタデータ） (2024-07-04T16:56:59Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
  粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。 これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。 種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-09-25T13:05:33Z)
• Fulfilling entanglement's optimal advantage via converting correlation to coherence [0.966840768820136]
  絡み合いは、センシングと通信におけるパフォーマンスの限界を高める。 量子相関をコヒーレントな二次変位に捕捉し変換する変換モジュールを提案する。 我々のモジュールは、短期実装のためのノイズの多い量子相関処理のパラダイムを提供する。
  論文  参考訳（メタデータ） (2022-07-14T02:02:52Z)
• Rethinking Skip Connection with Layer Normalization in Transformers and ResNets [49.87919454950763]
  スキップ接続は、ディープニューラルネットワークの性能を改善するために広く使われているテクニックである。 本研究では,スキップ接続の有効性におけるスケール要因について検討する。
  論文  参考訳（メタデータ） (2021-05-15T11:44:49Z)
• Centralized Information Interaction for Salient Object Detection [68.8587064889475]
  U字型構造は、多スケールの機能を効率的に組み合わせるサリエント物体検出に長けている。 本稿では,これらの接続を集中化することにより,相互に相互に情報交換を行うことができることを示す。 本手法は, ボトムアップ経路とトップダウン経路の接続を置換することにより, 既存のU字型サルエント物体検出手法と協調することができる。
  論文  参考訳（メタデータ） (2020-12-21T12:42:06Z)
• Optimizing Mode Connectivity via Neuron Alignment [84.26606622400423]
  経験的に、損失関数の局所ミニマは、損失がほぼ一定であるようなモデル空間の学習曲線で接続することができる。 本稿では,ネットワークの重み変化を考慮し,対称性がランドスケープ・コネクティビティに与える影響を明らかにするための,より一般的な枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-05T02:25:23Z)
• Integration of spectator qubits into quantum computer architectures for hardware tuneup and calibration [0.0]
  本研究では,空間的不均一な準定常校正誤差をオブザーバ量子ビットを用いて測定することの課題に焦点をあてる。 本稿では, 最適2次元近似理論の処方則に従って空間的に配置する, このような観測量子ビットに対する新しいアーキテクチャ概念を提案する。 この知見は、量子ビットキャリブレーションにおける不均一性の効率的な再構築を可能にすることを示す。
  論文  参考訳（メタデータ） (2020-04-27T18:00:33Z)
• A Freeform Dielectric Metasurface Modeling Approach Based on Deep Neural Networks [7.039798390237901]
  本稿では, 深層学習に基づくメタサイト/メタ原子モデリング手法を導入し, キャラクタリゼーション時間を大幅に短縮する。 畳み込みニューラルネットワーク(CNN)の構造に基づいて、提案したディープラーニングネットワークは、自由な2Dパターンと異なる格子サイズを持つメタ原子をモデル化することができる。 提案手法は、ミリ秒の時間スケールで、メタ原子の広いスペクトル応答を予測する能力を備えている。
  論文  参考訳（メタデータ） (2020-01-01T01:21:36Z)

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。