論文の概要: Machine Learning Assisted Inverse Design of Microresonators
- arxiv url: http://arxiv.org/abs/2212.03243v1
- Date: Thu, 10 Nov 2022 07:55:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 13:07:52.282458
- Title: Machine Learning Assisted Inverse Design of Microresonators
- Title（参考訳）: マイクロ共振器の逆設計を支援する機械学習
- Authors: Arghadeep Pal, Alekhya Ghosh, Shuangyou Zhang, Toby Bi, Pascal
De\v{l}Haye
- Abstract要約: 本稿では,マイクロ共振器の形状を分散プロファイルから決定するツールとして,機械学習(ML)アルゴリズムを実演する。
460サンプルのトレーニングデータセットを有限要素シミュレーションにより生成し, 統合窒化ケイ素マイクロ共振器を用いて実験的に検証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The high demand for fabricating microresonators with desired optical
properties has led to various techniques to optimize geometries, mode
structures, nonlinearities and dispersion. Depending on applications, the
dispersion in such resonators counters their optical nonlinearities and
influences the intracavity optical dynamics. In this paper, we demonstrate the
use of a machine learning (ML) algorithm as a tool to determine the geometry of
microresonators from their dispersion profiles. The training dataset with ~460
samples is generated by finite element simulations and the model is
experimentally verified using integrated silicon nitride microresonators. Two
ML algorithms are compared along with suitable hyperparameter tuning, out of
which Random Forest (RF) yields the best results. The average error on the
simulated data is well below 15%.
- Abstract（参考訳）: 望まれる光学特性を持つマイクロ共振器の高需要は、ジオメトリ、モード構造、非線形性、分散性を最適化する様々な技術をもたらした。
応用によっては、これらの共振器の分散は光学的非線形性に反し、キャビティ内光動力学に影響を及ぼす。
本稿では,分散プロファイルからマイクロ共振器の形状を決定するツールとして,機械学習(ml)アルゴリズムの使用例を示す。
460サンプルのトレーニングデータセットを有限要素シミュレーションにより生成し, 統合窒化ケイ素マイクロ共振器を用いて実験的に検証した。
2つのMLアルゴリズムと適切なハイパーパラメータチューニングを比較し、その中でRandom Forest(RF)が最良の結果をもたらす。
シミュレーションデータの平均誤差は15%以下である。
関連論文リスト
- A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。
我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。
従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-01-26T09:35:17Z) - Addressing Data Scarcity in Optical Matrix Multiplier Modeling Using
Transfer Learning [0.0]
本稿では,データ不足に対処するためにトランスファーラーニング(transfer learning)を用いて実験的検討を行った。
提案手法では,より精度の低い解析モデルから生成された合成データを用いて,モデルの事前学習を行う。
3x3フォトニックチップで実装された行列重みに対する1dBのルート平均二乗誤差を、利用可能なデータの25%だけを用いて達成する。
論文 参考訳（メタデータ） (2023-08-10T07:33:00Z) - Deep Learning Framework for the Design of Orbital Angular Momentum
Generators Enabled by Leaky-wave Holograms [0.6999740786886535]
本稿では、フラット光学(FO)と機械学習(ML)を併用して、OAMを担持する電磁波を発生させる漏れ波ホログラフィックアンテナの設計手法を提案する。
本システムの性能向上のために,機械学習を用いて,放射パターン全体を効果的に制御できる数学的関数を探索する。
それぞれのパラメータに対して最適な値を決定することができ、結果として所望の放射パターンが生成され、合計77,000個のデータセットが生成される。
論文 参考訳（メタデータ） (2023-04-25T10:01:04Z) - Denoising diffusion algorithm for inverse design of microstructures with
fine-tuned nonlinear material properties [0.0]
非線形微調整特性を持つ微細構造を発見するための分極拡散アルゴリズムを提案する。
畳み込みニューラルネットワークサロゲートは、高忠実度有限要素シミュレーションを置き換えるために訓練され、許容範囲外のプロトタイプをフィルタリングする。
このアルゴリズムは、オープンソースのメカニカルMNISTデータセットでテストされる。
論文 参考訳（メタデータ） (2023-02-24T20:31:48Z) - Spatially-resolved Thermometry from Line-of-Sight Emission Spectroscopy
via Machine Learning [2.449329947677678]
本研究の目的は, 温度分布測定におけるデータ駆動モデルの利用について検討することである。
i)特徴工学と古典的機械学習アルゴリズム、(ii)エンドツーエンド畳み込みニューラルネットワーク(CNN)の2つのカテゴリが分析されている。
本手法は, ガス混合ガス中の種濃度分布が未知であっても, 低分解能スペクトルから不均一な温度分布を測定することができる。
論文 参考訳（メタデータ） (2022-12-15T13:46:15Z) - Macroscopic noise amplification by asymmetric dyads in non-Hermitian
optical systems for generative diffusion models [55.2480439325792]
非対称な非エルミートダイアドは、効率的なセンサーと超高速な乱数発生器の候補である。
このような非対称なダイアドからの集積光放射は、機械学習の全光学的退化拡散モデルに効率的に利用できる。
論文 参考訳（メタデータ） (2022-06-24T10:19:36Z) - Disentangling multiple scattering with deep learning: application to
strain mapping from electron diffraction patterns [48.53244254413104]
我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。
結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。
シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
論文 参考訳（メタデータ） (2022-02-01T03:53:39Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - Noise Reduction in X-ray Photon Correlation Spectroscopy with
Convolutional Neural Networks Encoder-Decoder Models [0.0]
2時間相関関数における信号対雑音比を改善するための計算手法を提案する。
CNN-EDモデルは、畳み込みニューラルネットワークデコーダ(CNN-ED)モデルに基づいている。
実世界の実験データに基づいて訓練されたCNN-EDモデルにより,2時間相関関数から平衡力学パラメータを効果的に抽出できることが実証された。
論文 参考訳（メタデータ） (2021-02-07T18:38:59Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z) - Learning Mixtures of Low-Rank Models [89.39877968115833]
低ランクモデルの計算混合を学習する問題について検討する。
ほぼ最適サンプルを用いて未知の行列を復元することが保証されるアルゴリズムを開発する。
さらに,提案アルゴリズムはランダムノイズに対して確実に安定である。
論文 参考訳（メタデータ） (2020-09-23T17:53:48Z)
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。