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
- Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。
従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。
当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
論文 参考訳（メタデータ） (2024-05-23T14:39:52Z) - Bidirectional Adversarial Autoencoders for the design of Plasmonic Metasurfaces [8.223940676615857]
ディープラーニングは、計算的に効率的かつ正確である逆設計手法の設計において重要な部分である。
これらのシステムの基本的な課題の1つは、異なる次元を持つデータの集合間の非線形関係を表現する能力である。
既存の設計手法では、この問題を解決するために条件付きジェネレーティブ・アドバイサル・ネットワークを実装していることが多いが、多くの場合、検証時に複数のピークを提供する構造を生成することはできない。
対象のスペクトルに応答して、バイオリエントルミネッセンス・アドバーサリアル・オートエンコーダは、複数のピークを提供する構造を複数回生成できることが示されている。
論文 参考訳（メタデータ） (2024-05-07T06:57:42Z) - Molecule Design by Latent Prompt Transformer [76.2112075557233]
本研究は、分子設計の課題を条件付き生成モデリングタスクとしてフレーミングすることによって検討する。
本研究では,(1)学習可能な事前分布を持つ潜伏ベクトル,(2)プロンプトとして潜伏ベクトルを用いる因果トランスフォーマーに基づく分子生成モデル,(3)潜在プロンプトを用いた分子の目標特性および/または制約値を予測する特性予測モデルからなる新しい生成モデルを提案する。
論文 参考訳（メタデータ） (2024-02-27T03:33:23Z) - 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) - 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。