論文の概要: A Reinforcement learning method for Optical Thin-Film Design
- arxiv url: http://arxiv.org/abs/2102.09398v1
- Date: Sat, 13 Feb 2021 07:42:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:35:52.489416
- Title: A Reinforcement learning method for Optical Thin-Film Design
- Title（参考訳）: 光薄膜設計のための強化学習法
- Authors: Anqing Jiang, Liangyao Chen, Osamu Yoshie
- Abstract要約: 機械学習は、光薄膜逆設計に関連する方法を変えつつある。
光薄膜逆設計のための新しいエンドツーエンドアルゴリズムを提案する。
本稿では,この手法を用いて多層太陽吸収素子のスペクトルを最適化する方法を示す。
- 参考スコア（独自算出の注目度）: 2.9005223064604078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning, especially deep learning, is dramatically changing the
methods associated with optical thin-film inverse design. The vast majority of
this research has focused on the parameter optimization (layer thickness, and
structure size) of optical thin-films. A challenging problem that arises is an
automated material search. In this work, we propose a new end-to-end algorithm
for optical thin-film inverse design. This method combines the ability of
unsupervised learning, reinforcement learning(RL) and includes a genetic
algorithm to design an optical thin-film without any human intervention.
Furthermore, with several concrete examples, we have shown how one can use this
technique to optimize the spectra of a multi-layer solar absorber device.
- Abstract（参考訳）: 機械学習、特にディープラーニングは、光学薄膜逆設計に関連する手法を劇的に変えている。
この研究の大部分は、光学薄膜のパラメータ最適化(層厚、構造サイズ)に焦点を当てている。
問題となるのは、自動的な素材検索である。
本研究では,光薄膜逆設計のための新しいエンドツーエンドアルゴリズムを提案する。
この方法は、教師なし学習、強化学習(RL)の能力を組み合わせ、人間の介入なしに光学薄膜を設計するための遺伝的アルゴリズムを含む。
さらに,いくつかの具体例を用いて,この手法を用いて多層太陽吸収素子のスペクトルを最適化する方法を示した。
関連論文リスト
- Optical-Flow Guided Prompt Optimization for Coherent Video Generation [51.430833518070145]
我々は,光フローによる映像生成プロセスをガイドするMotionPromptというフレームワークを提案する。
ランダムフレーム対に適用した訓練された識別器の勾配を用いて,逆サンプリングステップにおける学習可能なトークン埋め込みを最適化する。
提案手法により,生成したコンテンツの忠実さを損なうことなく,自然な動きのダイナミクスを忠実に反映した視覚的コヒーレントな映像シーケンスを生成することができる。
論文 参考訳（メタデータ） (2024-11-23T12:26:52Z) - Deep Learning Methods for Calibrated Photometric Stereo and Beyond [86.57469194387264]
光度ステレオは、さまざまなシェーディングキューを持つ複数の画像から物体の表面の正常性を回復する。
深層学習法は、非ランベルト面に対する測光ステレオの文脈において強力な能力を示している。
論文 参考訳（メタデータ） (2022-12-16T11:27:44Z) - EllipsoNet: Deep-learning-enabled optical ellipsometry for complex thin
films [7.687090333084554]
本稿では,従来の卓上光学顕微鏡とEllipsoNetと呼ばれる深層学習モデルに基づく計算エリプソメトリー手法を提案する。
多層基板に関する事前の知識がなければ、EllipsoNetは、高精度で測定された光学反射スペクトルから、これらの非自明な基板上の薄膜の複雑な屈折率を予測することができる。
論文 参考訳（メタデータ） (2022-10-11T17:18:09Z) - 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) - Data driven design of optical resonators [0.0]
私の論文では、Fabry-P'erot共振器の逆設計にDeep Learningを使っています。
この系は完全に解析的に記述できるため、研究には理想的である。
論文 参考訳（メタデータ） (2021-12-21T16:44:13Z) - TMM-Fast: A Transfer Matrix Computation Package for Multilayer Thin-Film
Optimization [62.997667081978825]
先進的な薄膜構造は、厚みの異なる複数の材料と多数の層から構成される。
複数の変数を持つ複雑な薄膜構造の設計と最適化は、まだ活発な研究が続けられている計算的に重い問題である。
我々は,多層膜を透過する波長と入射角度の異なる光の反射と透過の並列計算を可能にするPythonパッケージTMM-Fastを提案する。
論文 参考訳（メタデータ） (2021-11-24T14:47:37Z) - Photonic Differential Privacy with Direct Feedback Alignment [66.61196212740359]
本稿では,光乱射影の固有雑音を利用して,微分プライベートなDFA機構を構築する方法について述べる。
本研究は,エンドタスクの確固たるパフォーマンスを実現するための学習手順の実証実験を行う。
論文 参考訳（メタデータ） (2021-06-07T14:18:01Z) - Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。
微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。
定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
論文 参考訳（メタデータ） (2021-04-01T09:29:05Z) - Parameterized Reinforcement Learning for Optical System Optimization [0.0]
光特性を指定した多層光学系は、複数の離散的かつ連続的なパラメータによって設計されている。
ほとんどの手法は単にシステムの層の最適な厚さを決定するだけである。
マルコフ決定過程におけるパラメータ化動作として連続層を積み重ねる手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T10:53:28Z)
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。