Fugu-MT 論文翻訳(概要): Inverse design of photonic devices with strict foundry fabrication constraints

論文の概要: Inverse design of photonic devices with strict foundry fabrication constraints

arxiv url: http://arxiv.org/abs/2201.12965v1
Date: Mon, 31 Jan 2022 02:27:25 GMT
ステータス: 処理完了
システム内更新日: 2022-02-01 19:58:31.497408
Title: Inverse design of photonic devices with strict foundry fabrication constraints
Title（参考訳）: 厳密な鋳物加工制約を有するフォトニックデバイスの逆設計
Authors: Martin F. Schubert, Alfred K. C. Cheung, Ian A. D. Williamson, Aleksandra Spyra, David H. Alexander
Abstract要約: 本稿では,ナノフォトニクス素子の逆設計法を提案し,設計が厳密な長さの制約を満たすことを保証した。本手法の性能と信頼性を,いくつかの共通集積フォトニック部品を設計することによって実証する。
参考スコア（独自算出の注目度）: 55.41644538483948
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a new method for inverse design of nanophotonic devices which guarantees that designs satisfy strict length scale constraints -- including minimum width and spacing constraints required by commercial semiconductor foundries. The method adopts several concepts from machine learning to transform the problem of topology optimization with strict length scale constraints to an unconstrained stochastic gradient optimization problem. Specifically, we introduce a conditional generator for feasible designs and adopt a straight-through estimator for backpropagation of gradients to a latent design. We demonstrate the performance and reliability of our method by designing several common integrated photonic components.
Abstract（参考訳）: 市販半導体ファインダリーに必要な最小幅と間隔の制約を含む、厳密な長さの制約を設計が満たすことを保証し、ナノフォトニックデバイスを逆設計する新しい手法を提案する。この手法は、厳密な長さスケール制約によりトポロジー最適化の問題から、制約のない確率的勾配最適化問題へと変換するために機械学習からいくつかの概念を採用している。具体的には, 実現可能な設計のための条件付き生成器を導入し, 潜在設計への勾配のバックプロパゲーションのためのストレートスルー推定器を採用する。本稿では,本手法の性能と信頼性を,いくつかの共通統合フォトニックコンポーネントの設計により実証する。

関連論文リスト

Automated Placement of Analog Integrated Circuits using Priority-based Constructive Heuristic [0.0]
われわれは,いわゆるポケット,合併の可能性,デバイス間のパラメトリジブルな最小距離を必要とする,特定の種類のアナログ配置に注目した。我々の解は回路の境界ボックスの周長と近似ワイヤ長を最小化する。本手法は,手作業による設計を伴い,合成された産業事例と実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実
論文参考訳（メタデータ） (2024-10-18T07:16:59Z)
Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文参考訳（メタデータ） (2024-01-24T01:33:39Z)
High-Dimensional Bayesian Optimisation with Large-Scale Constraints -- An Application to Aeroelastic Tailoring [1.8004890248574648]
設計の最適化は、環境への影響の少ない軽量な航空機構造に繋がる可能性がある。設計変数や制約の数が多いため、これらの問題は勾配に基づく最適化法を用いて通常解決される。本研究では,高次元ベイズ最適化と次元還元手法を併用してこの問題に対処する。
論文参考訳（メタデータ） (2023-12-14T12:51:29Z)
Neural Fields with Hard Constraints of Arbitrary Differential Order [61.49418682745144]
我々は、ニューラルネットワークに厳しい制約を課すための一連のアプローチを開発する。制約は、ニューラルネットワークとそのデリバティブに適用される線形作用素として指定することができる。私たちのアプローチは、広範囲の現実世界のアプリケーションで実証されています。
論文参考訳（メタデータ） (2023-06-15T08:33:52Z)
Tackling Multimodal Device Distributions in Inverse Photonic Design using Invertible Neural Networks [0.0]
逆設計は、デバイスまたはプロセスパラメータをマッチングして望ましい性能を示すプロセスである。ほとんどの従来の最適化ルーチンは、設計パラメータと目標のパフォーマンスの間の可逆的な1対1マッピングを前提としています。逆設計問題に対して、可逆ニューラルネットワークに基づく生成的モデリングアプローチが、可能解の完全な分布を提供する方法を示す。
論文参考訳（メタデータ） (2022-08-29T08:46:17Z)
De-homogenization using Convolutional Neural Networks [1.0323063834827415]
本稿では,構造コンプライアンス最小化のための深層学習に基づく非均質化手法を提案する。パラメータの適切な選択のために、非均質化設計は、均質化に基づく解の7-25%以内で実行される。
論文参考訳（メタデータ） (2021-05-10T09:50:06Z)
Speeding up Computational Morphogenesis with Online Neural Synthetic Gradients [51.42959998304931]
現代科学および工学の適用の広い範囲は制約として部分的な微分方程式(PDEs)のシステムとの最適化問題として定式化されます。これらのPDE制約最適化問題は通常、標準のDisretize-then-optimizeアプローチで解決される。オンラインニューラル合成勾配(ONSG)を用いたPDE制約最適化の高速化のための新しい2スケール最適化手法を提案する。
論文参考訳（メタデータ） (2021-04-25T22:43:51Z)
Physics-informed neural networks with hard constraints for inverse design [3.8191831921441337]
本稿では、トポロジ最適化のための新しいディープラーニング手法、物理インフォームドニューラルネットワーク(hPINN)を提案する。光学系におけるホログラフィー問題とストークス流の流体問題に対するhPINNの有効性を示す。
論文参考訳（メタデータ） (2021-02-09T03:18:15Z)
Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文参考訳（メタデータ） (2020-07-07T21:26:35Z)
Cogradient Descent for Bilinear Optimization [124.45816011848096]
双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
論文参考訳（メタデータ） (2020-06-16T13:41:54Z)

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。