論文の概要: Inverse Design and Experimental Verification of a Bianisotropic
Metasurface Using Optimization and Machine Learning
- arxiv url: http://arxiv.org/abs/2204.00433v1
- Date: Mon, 28 Mar 2022 02:21:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-10 11:13:19.400049
- Title: Inverse Design and Experimental Verification of a Bianisotropic
Metasurface Using Optimization and Machine Learning
- Title(参考訳): 最適化と機械学習を用いたバイアニソトロピックな地表面の逆設計と実験的検証
- Authors: Stewart Pearson, Parinaz Naseri, and Sean V. Hum
- Abstract要約: 多くの中表面設計は、放射された遠方界に対する一連の制約から始まり、表面に対する一様でない物理的構造で終わる。
ここでは、反復最適化プロセスを用いて、指定された制約に準拠する遠距離場パターンを放射する表面特性を求める。
微視的なステップでは、これらの最適化された表面特性は、機械学習サロゲートモデルを用いて物理単位セルで実現される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electromagnetic metasurfaces have attracted significant interest recently due
to their low profile and advantageous applications. Practically, many
metasurface designs start with a set of constraints for the radiated far-field,
such as main-beam direction(s) and side lobe levels, and end with a non-uniform
physical structure for the surface. This problem is quite challenging, since
the required tangential field transformations are not completely known when
only constraints are placed on the scattered fields. Hence, the required
surface properties cannot be solved for analytically. Moreover, the translation
of the desired surface properties to the physical unit cells can be
time-consuming and difficult, as it is often a one-to-many mapping in a large
solution space. Here, we divide the inverse design process into two steps: a
macroscopic and microscopic design step. In the former, we use an iterative
optimization process to find the surface properties that radiate a far-field
pattern that complies with specified constraints. This iterative process
exploits non-radiating currents to ensure a passive and lossless design. In the
microscopic step, these optimized surface properties are realized with physical
unit cells using machine learning surrogate models. The effectiveness of this
end-to-end synthesis process is demonstrated through measurement results of a
beam-splitting prototype.
- Abstract(参考訳): 電磁メタサイトは、最近、その低プロファイルと有利な応用により、大きな関心を集めている。
実際には、多くのメタサーフェスの設計は放射された遠方界(例えば主ビーム方向(s)や側ローブレベル)に対する一連の制約から始まり、表面に対する不均一な物理的構造で終わる。
この問題は極めて困難である、なぜなら必要な接場変換は散乱場にのみ制約を課すときに完全には分かっていないからである。
したがって、必要な表面特性を解析的に解くことはできない。
さらに、所望の表面特性の物理単位セルへの変換は、しばしば大きな解空間における一対多のマッピングであるため、時間がかかり、困難である。
ここでは,逆設計過程をマクロ・微視的設計ステップという2つのステップに分割する。
前者では,特定の制約を満たす遠方界パターンを放射する表面特性を求めるために反復最適化法を用いる。
この反復プロセスは非放射電流を利用して受動的で損失のない設計を確実にする。
微視的なステップでは、これらの最適化された表面特性は、機械学習サロゲートモデルを用いて物理単位セルで実現される。
このエンド・ツー・エンド合成プロセスの有効性をビームスプリッティングプロトタイプの測定結果から実証した。
関連論文リスト
- Dual-Space Optimization: Improved Molecule Sequence Design by Latent
Prompt Transformer [78.47949363282868]
本稿では,遅延空間サンプリングとデータ空間選択を統合したDual-Space Optimization (DSO)法を提案する。
DSOは、生成モデルと合成データを所望のプロパティ値の領域にシフトさせる最適化プロセスにおいて、潜在空間生成モデルと合成データセットを反復的に更新する。
提案手法の有効性を実証し, 単一目的, 多目的, 制約された分子設計タスクにまたがる新しい性能ベンチマークを設定した。
論文 参考訳(メタデータ) (2024-02-27T03:33:23Z) - Transolver: A Fast Transformer Solver for PDEs on General Geometries [71.68821482043067]
本稿では, 離散化された測地の背後に隠れた本質的な物理状態を学習するTransolverについて述べる。
スライスから符号化された物理認識トークンに注意を向けることで、Transovlerは複雑な物理的相関を効果的に捉えることができる。
Transolverは6つの標準ベンチマークで22%の相対的な利得で一貫した最先端を実現し、大規模産業シミュレーションでも優れている。
論文 参考訳(メタデータ) (2024-02-04T06:37:38Z) - Tailoring Frictional Properties of Surfaces Using Diffusion Models [0.0]
条件付き生成機械学習モデルを用いて表面摩擦特性を正確に設計する手法を提案する。
分子動力学シミュレーションにより得られた摩擦特性を持つ合成表面のデータセットを作成し、DDPMに所望の摩擦結果から表面構造を予測する訓練を行った。
論文 参考訳(メタデータ) (2024-01-05T09:15:07Z) - A Surrogate-Assisted Extended Generative Adversarial Network for
Parameter Optimization in Free-Form Metasurface Design [11.692790232334293]
提案するXGANは,高品質な自由形地表面設計のためのサロゲートを備えた拡張生成対向ネットワーク(GAN)である。
20000自由形地表面設計に関する比較実験では、XGANは0.9734の平均精度を達成し、従来の手法よりも500倍高速である。
論文 参考訳(メタデータ) (2023-10-18T09:59:35Z) - Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。
我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
論文 参考訳(メタデータ) (2023-08-10T06:40:19Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳(メタデータ) (2022-10-27T11:37:14Z) - Minimal Neural Atlas: Parameterizing Complex Surfaces with Minimal
Charts and Distortion [71.52576837870166]
我々は、新しいアトラスに基づく明示的なニューラルサーフェス表現であるミニマルニューラルアトラスを提案する。
その中核は完全学習可能なパラメトリック領域であり、パラメトリック空間の開平方上で定義された暗黙の確率的占有場によって与えられる。
我々の再構成は、トポロジーと幾何学に関する懸念の分離のため、全体的な幾何学の観点からより正確である。
論文 参考訳(メタデータ) (2022-07-29T16:55:06Z) - Automated Surface Texture Analysis via Discrete Cosine Transform and
Discrete Wavelet Transform [2.3915097884016845]
情報理論と信号エネルギーに基づく2つの自動しきい値選択アルゴリズムを提案する。
その結果,平均的精度は95%と良好な一致を示した。
論文 参考訳(メタデータ) (2022-04-12T17:30:43Z) - Topology-Adaptive Mesh Deformation for Surface Evolution, Morphing, and
Multi-View Reconstruction [35.01330182954581]
我々は,新しい自己切断除去アルゴリズムであるTransforMeshを導入し,このアルゴリズムに基づくメッシュ進化フレームワークを提案する。
表面改質と3次元再構成の2つの挑戦的応用について述べる。
論文 参考訳(メタデータ) (2020-12-10T09:26:40Z) - AOT: Appearance Optimal Transport Based Identity Swapping for Forgery
Detection [76.7063732501752]
顔偽造検出のための外観の相違が大きい新しい識別スワップアルゴリズムを提案する。
外観のギャップは主に、照明と肌の色における大きな相違から生じる。
実画像パッチと偽画像パッチの混在とを識別するために識別器を導入する。
論文 参考訳(メタデータ) (2020-11-05T06:17:04Z)
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。