論文の概要: Deep-Learning Empowered Inverse Design for Freeform Reconfigurable Metasurfaces

• arxiv url: http://arxiv.org/abs/2211.08296v1
• Date: Fri, 11 Nov 2022 15:01:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 16:05:20.526982
• Title: Deep-Learning Empowered Inverse Design for Freeform Reconfigurable Metasurfaces
• Title（参考訳）: 深層学習による自由形再構成メタ曲面の逆設計
• Authors: Changhao Liu, Fan Yang, Maokun Li, Shenheng Xu
• Abstract要約: 本稿では,自由形再構成可能な準曲面に対して,深層学習による逆設計手法を提案する。 畳み込みニューラルネットワークモデルは、自由形メタ原子の応答を予測するために訓練される。 逆設計の広帯域再構成可能な準曲面プロトタイプを作製し,ビーム走査用として測定した。
• 参考スコア（独自算出の注目度）: 3.728073286482581
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The past decade has witnessed the advances of artificial intelligence with various applications in engineering. Recently, artificial neural network empowered inverse design for metasurfaces has been developed that can design on-demand meta-atoms with diverse shapes and high performance, where the design process based on artificial intelligence is fast and automatic. However, once the inverse-designed static meta-atom is fabricated, the function of the metasurface is fixed. Reconfigurable metasurfaces can realize dynamic functions, while applying artificial intelligence to design reconfigurable meta-atoms inversely has not been reported yet. Here, we present a deep-learning empowered inverse design method for freeform reconfigurable metasurfaces, which can generate on-demand reconfigurable coding meta-atoms at self-defined frequency bands. To reduce the scale of dataset, a decoupling method of the reconfigurable meta-atom based on microwave network theory is proposed at first, which can convert the inverse design process for reconfigurable coding meta-atoms to the inverse design for static structures. A convolutional neural network model is trained to predict the responses of free-shaped meta-atoms, and the genetic algorithm is applied to generate the optimal structure patterns rapidly. As a demonstration of concept, several inverse-designed examples are generated with different self-defined spectrum responses in microwave band, and an inverse-designed wideband reconfigurable metasurface prototype is fabricated and measured for beam scanning applications with broad bandwidth. Our work paves the way for the fast and automatic design process of high-performance reconfigurable metasurfaces.
• Abstract（参考訳）: 過去10年間、人工知能の進歩とエンジニアリングの様々な応用を目撃してきた。 近年,人工知能に基づく設計プロセスが高速かつ自動である,多様な形状と高性能のオンデマンドメタ原子を設計可能な,メタ表面の逆設計を強化した人工知能ニューラルネットワークが開発されている。 しかし、逆設計の静的メタ原子が作成されると、メタ表面の関数は固定される。 再構成可能なメタ表面は動的機能を実現することができるが、逆向きに再構成可能なメタ原子を設計するために人工知能を適用することは、まだ報告されていない。 本稿では,自己定義周波数帯において,オンデマンドで再構成可能な符号化メタ原子を生成可能な,自由形再構成可能なメタ曲面のためのディープラーニング強化逆設計法を提案する。 データセットのスケールを小さくするため,マイクロ波ネットワーク理論に基づく再構成可能なメタ原子の分離法が最初に提案され,再構成可能な符号化メタ原子の逆設計プロセスを静的構造のための逆設計に変換することができる。 畳み込みニューラルネットワークモデルを訓練して自由形メタ原子の応答を予測し、遺伝的アルゴリズムを適用して最適な構造パターンを迅速に生成する。 マイクロ波帯域における自己定義スペクトル応答の異なる逆設計の例を複数生成し,広帯域のビーム走査アプリケーションのために,逆設計の広帯域再構成可能な準曲面プロトタイプを作製して測定した。 我々の研究は、高速かつ自動で再構成可能な準曲面を設計するための道を開いた。

関連論文リスト

• GraphXForm: Graph transformer for computer-aided molecular design with application to extraction [73.1842164721868]
  本稿では,デコーダのみのグラフトランスフォーマアーキテクチャであるGraphXFormについて述べる。 液液抽出のための2つの溶媒設計課題について評価し,4つの最先端分子設計技術より優れていることを示した。
  論文  参考訳（メタデータ） (2024-11-03T19:45:15Z)
• Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
  我々は、MBOタスクの構造を学習し、経験的に改良された設計につながるモデルを開発する。 我々はCliqueformerを、高次元のブラックボックス機能から、化学・遺伝設計の現実的なタスクまで、様々なタスクで評価する。
  論文  参考訳（メタデータ） (2024-10-17T00:35:47Z)
• Gradient-based Design of Computational Granular Crystals [0.22499166814992436]
  本研究では,物質中の波動伝搬の時間的ダイナミクスとリカレントニューラルネットワークの計算力学の類似性を構築し,高調波駆動結晶のための勾配最適化フレームワークを開発する。 本研究は, メタマテリアルの内在的設計空間を大きく拡張するグラデーションに基づく最適化手法であることを示す。
  論文  参考訳（メタデータ） (2024-04-07T06:24:47Z)
• Principled Architecture-aware Scaling of Hyperparameters [69.98414153320894]
  高品質のディープニューラルネットワークをトレーニングするには、非自明で高価なプロセスである適切なハイパーパラメータを選択する必要がある。 本研究では,ネットワークアーキテクチャにおける初期化と最大学習率の依存性を正確に評価する。 ネットワークランキングは、ベンチマークのトレーニングネットワークにより容易に変更可能であることを実証する。
  論文  参考訳（メタデータ） (2024-02-27T11:52:49Z)
• Quantum process tomography of structured optical gates with convolutional neural networks [0.0]
  本研究では,空間依存型SU(2)演算子の高速かつ高精度な再構成を可能にするディープラーニング手法について検討する。 スケーラブルなU-Netアーキテクチャに基づいて畳み込みニューラルネットワークをトレーニングし、実験画像全体を並列に処理する。 提案手法は、量子プロセストモグラフィーへのデータ駆動アプローチのツールボックスをさらに拡張し、複雑な光ゲートのリアルタイム評価において有望であることを示す。
  論文  参考訳（メタデータ） (2024-02-26T14:47:13Z)
• 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)
• How to See Hidden Patterns in Metamaterials with Interpretable Machine Learning [82.67551367327634]
  我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。 具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
  論文  参考訳（メタデータ） (2021-11-10T21:19:02Z)
• Dynamically Grown Generative Adversarial Networks [111.43128389995341]
  本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。 本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
  論文  参考訳（メタデータ） (2021-06-16T01:25:51Z)
• Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs [5.8010446129208155]
  本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。 RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T06:50:47Z)
• Deep Generative Modeling for Mechanistic-based Learning and Design of Metamaterial Systems [20.659457956055366]
  深部生成モデルに基づく新しいデータ駆動メタマテリアル設計フレームワークを提案する。 本研究では,VAEの潜伏空間が,形状類似度を測定するための距離メートル法を提供することを示す。 機能的グレードとヘテロジニアスなメタマテリアルシステムの両方を設計することで、我々のフレームワークを実証する。
  論文  参考訳（メタデータ） (2020-06-27T03:56:55Z)
• 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。