論文の概要: A Surrogate-Assisted Extended Generative Adversarial Network for Parameter Optimization in Free-Form Metasurface Design

• arxiv url: http://arxiv.org/abs/2401.02961v1
• Date: Wed, 18 Oct 2023 09:59:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 09:45:40.463237
• Title: A Surrogate-Assisted Extended Generative Adversarial Network for Parameter Optimization in Free-Form Metasurface Design
• Title（参考訳）: 自由形メタサーフェス設計におけるパラメータ最適化のためのサーロゲート支援拡張生成逆ネットワーク
• Authors: Manna Dai, Yang Jiang, Feng Yang, Joyjit Chattoraj, Yingzhi Xia, Xinxing Xu, Weijiang Zhao, My Ha Dao, Yong Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.692790232334293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metasurfaces have widespread applications in fifth-generation (5G) microwave communication. Among the metasurface family, free-form metasurfaces excel in achieving intricate spectral responses compared to regular-shape counterparts. However, conventional numerical methods for free-form metasurfaces are time-consuming and demand specialized expertise. Alternatively, recent studies demonstrate that deep learning has great potential to accelerate and refine metasurface designs. Here, we present XGAN, an extended generative adversarial network (GAN) with a surrogate for high-quality free-form metasurface designs. The proposed surrogate provides a physical constraint to XGAN so that XGAN can accurately generate metasurfaces monolithically from input spectral responses. In comparative experiments involving 20000 free-form metasurface designs, XGAN achieves 0.9734 average accuracy and is 500 times faster than the conventional methodology. This method facilitates the metasurface library building for specific spectral responses and can be extended to various inverse design problems, including optical metamaterials, nanophotonic devices, and drug discovery.
• Abstract（参考訳）: 準曲面は第5世代(5G)マイクロ波通信に広く応用されている。 準曲面群のうち、自由形準曲面は、通常の形よりも複雑なスペクトル応答を達成するのに優れている。 しかし, 従来の自由形地表面の数値計算法は時間を要するため, 専門知識が要求される。 あるいは、最近の研究では、深層学習がメタ曲面設計を加速し、洗練する大きな可能性を実証している。 本稿では,高品質な自由形地表面設計を補助する拡張生成対向ネットワーク(GAN)XGANを提案する。 提案したサロゲートは、入力スペクトル応答からXGANがモノリシックな準曲面を正確に生成できるように、XGANに物理的制約を与える。 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。 この方法は、特定のスペクトル応答のためのメタサーフェスライブラリ構築を促進させ、光学的メタマテリアル、ナノフォトニクスデバイス、薬物発見を含む様々な逆設計問題に拡張することができる。

関連論文リスト

• Neural P$^3$M: A Long-Range Interaction Modeling Enhancer for Geometric GNNs [66.98487644676906]
  我々は,幾何学的GNNの汎用エンハンサーであるNeural P$3$Mを導入し,その機能範囲を拡大する。 幅広い分子系に柔軟性を示し、エネルギーと力を予測する際、顕著な精度を示す。 また、さまざまなアーキテクチャを統合しながら、OE62データセットで平均22%の改善も達成している。
  論文  参考訳（メタデータ） (2024-09-26T08:16:59Z)
• 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)
• 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)
• Artificial Intelligence-Generated Terahertz Multi-Resonant Metasurfaces via Improved Transformer and CGAN Neural Networks [2.1592777170316366]
  グラフェン変成層の逆設計のための改良されたトランスフォーマーと条件付き生成対向ニューラルネットワーク(CGAN)を提案する。 改良されたTransformerは、StoV(Spectrum to Vector)スペクトルにおいて高い精度と一般化性能を得ることができる。 CGANは、所望の多重共鳴吸収スペクトルから直接グラフェン準曲面画像の逆設計を実現することができる。
  論文  参考訳（メタデータ） (2023-07-21T02:49:03Z)
• Diffusion Probabilistic Model Based Accurate and High-Degree-of-Freedom Metasurface Inverse Design [14.18549701990854]
  メタマテリアルの設計に最適化アルゴリズムを用いた逆設計法が導入された。 メタマテリアルの逆設計にGAN(Generative Adversarial Networks)で表されるディープラーニング手法を適用した。 本稿では拡散確率理論に基づく新しいメタマテリアル逆設計法を提案する。
  論文  参考訳（メタデータ） (2023-04-25T08:25:23Z)
• Deep-Learning Empowered Inverse Design for Freeform Reconfigurable Metasurfaces [3.728073286482581]
  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。
  論文  参考訳（メタデータ） (2022-11-11T15:01:32Z)
• 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)
• Inverse Design and Experimental Verification of a Bianisotropic Metasurface Using Optimization and Machine Learning [0.0]
  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。
  論文  参考訳（メタデータ） (2022-03-28T02:21:03Z)
• 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)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• 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。