論文の概要: OptoGPT: A Foundation Model for Inverse Design in Optical Multilayer
Thin Film Structures
- arxiv url: http://arxiv.org/abs/2304.10294v1
- Date: Thu, 20 Apr 2023 13:16:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-21 13:12:38.868420
- Title: OptoGPT: A Foundation Model for Inverse Design in Optical Multilayer
Thin Film Structures
- Title(参考訳): optogpt:光多層薄膜構造における逆設計の基礎モデル
- Authors: Taigao Ma, Haozhu Wang, L. Jay Guo
- Abstract要約: 光多層膜構造逆設計の基礎モデルとしてOptoGPT(Opto Generative Pretrained Transformer)を提案する。
OptoGPTはデコーダのみのトランスフォーマーで、特定のスペクトルターゲットに基づいて自動回帰的に設計を生成する。
- 参考スコア(独自算出の注目度): 1.2891210250935143
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Foundation models are large machine learning models that can tackle various
downstream tasks once trained on diverse and large-scale data, leading research
trends in natural language processing, computer vision, and reinforcement
learning. However, no foundation model exists for optical multilayer thin film
structure inverse design. Current inverse design algorithms either fail to
explore the global design space or suffer from low computational efficiency. To
bridge this gap, we propose the Opto Generative Pretrained Transformer
(OptoGPT). OptoGPT is a decoder-only transformer that auto-regressively
generates designs based on specific spectrum targets. Trained on a large
dataset of 10 million designs, our model demonstrates remarkable capabilities:
1) autonomous global design exploration by determining the number of layers (up
to 20) while selecting the material (up to 18 distinct types) and thickness at
each layer, 2) efficient designs for structural color, absorbers, filters,
distributed brag reflectors, and Fabry-Perot resonators within 0.1 seconds
(comparable to simulation speeds), 3) the ability to output diverse designs,
and 4) seamless integration of user-defined constraints. By overcoming design
barriers regarding optical targets, material selections, and design
constraints, OptoGPT can serve as a foundation model for optical multilayer
thin film structure inverse design.
- Abstract(参考訳): ファンデーションモデルは、多種多様な大規模データでトレーニングされた様々な下流タスクに対処できる大規模な機械学習モデルであり、自然言語処理、コンピュータビジョン、強化学習の研究トレンドをリードする。
しかし、光多層膜構造逆設計の基礎モデルは存在しない。
現在の逆設計アルゴリズムは、大域的な設計空間の探索に失敗したり、計算効率が低かったりする。
このギャップを埋めるため,OptoGPT (Optito Generative Pretrained Transformer) を提案する。
OptoGPTはデコーダのみのトランスフォーマーで、特定のスペクトルターゲットに基づいて自動回帰的に設計を生成する。
1) 各層における材料(最大18種類の異なるタイプ)と厚さを選択しながら、レイヤ数(最大20個)を決定することで、自律的なグローバルデザイン探索を行う。
2) 構造色,吸収剤,フィルタ,分散ブラッグリフレクタ,ファブリペロ共振器を0.1秒以内に効率よく設計する(シミュレーション速度に匹敵する)。
3)多様な意匠を出力できる能力、及び
4) ユーザ定義制約のシームレスな統合。
光ターゲット、材料選択、設計制約に関する設計障壁を克服することで、光多層膜構造逆設計の基礎モデルとして機能することができる。
関連論文リスト
- GiT: Towards Generalist Vision Transformer through Universal Language Interface [94.33443158125186]
本稿では,バニラ ViT のみを用いて,様々な視覚タスクに同時に適用可能な,シンプルかつ効果的な GiT フレームワークを提案する。
GiTはマルチタスクのビジュアルモデルで、タスク固有の微調整なしで5つの代表的なベンチマークで共同でトレーニングされている。
論文 参考訳(メタデータ) (2024-03-14T13:47:41Z) - 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) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳(メタデータ) (2022-10-19T19:04:45Z) - Investigation of inverse design of multilayer thin-films with
conditional invertible Neural Networks [62.997667081978825]
我々は、条件付き可逆ニューラルネットワーク(cINN)を用いて、光学目標を与えられた多層薄膜を逆設計する。
我々は、cINNが、ランダムな変数に応じて、所望のターゲットに適当に近い薄膜構成の提案を生成可能であることを示す。
論文 参考訳(メタデータ) (2022-10-10T12:29:20Z) - Physical Design using Differentiable Learned Simulators [9.380022457753938]
逆設計では、学習したフォワードシミュレータは勾配に基づく設計最適化と組み合わせられる。
この枠組みは数百歩の軌跡を伝播することで高品質な設計を行う。
この結果から,機械学習をベースとしたシミュレータは,いくつかの課題があるにもかかわらず,汎用設計の最適化をサポートできる段階まで成熟していることが示唆された。
論文 参考訳(メタデータ) (2022-02-01T19:56:39Z) - A Simple Single-Scale Vision Transformer for Object Localization and
Instance Segmentation [79.265315267391]
We propose a simple and compact ViT architecture called Universal Vision Transformer (UViT)。
UViTは、オブジェクト検出とインスタンスセグメンテーションタスクで強力なパフォーマンスを達成する。
論文 参考訳(メタデータ) (2021-12-17T20:11:56Z) - TMM-Fast: A Transfer Matrix Computation Package for Multilayer Thin-Film
Optimization [62.997667081978825]
先進的な薄膜構造は、厚みの異なる複数の材料と多数の層から構成される。
複数の変数を持つ複雑な薄膜構造の設計と最適化は、まだ活発な研究が続けられている計算的に重い問題である。
我々は,多層膜を透過する波長と入射角度の異なる光の反射と透過の並列計算を可能にするPythonパッケージTMM-Fastを提案する。
論文 参考訳(メタデータ) (2021-11-24T14:47:37Z) - Multifunctional Meta-Optic Systems: Inversely Designed with Artificial
Intelligence [1.076210145983805]
本稿では,多機能な多層メタ光学システムを設計するための人工知能フレームワークを提案する。
本稿では、偏光多重機能ビーム発生器、全光計算のための第2次微分器、空間偏光波長多重ホログラムの例を示す。
論文 参考訳(メタデータ) (2020-06-30T22:15:15Z) - Automated Optical Multi-layer Design via Deep Reinforcement Learning [8.067283219068832]
我々は、シーケンス生成問題として多層光学設計タスクをフレーム化する。
光層配列を効率的に生成するディープシーケンス生成ネットワークを提案する。
提案手法は,近似ポリシ最適化を用いて深部シーケンス生成ネットワークを訓練し,所望の特性を持つ多層構造を生成する。
論文 参考訳(メタデータ) (2020-06-21T23:41:48Z)
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。