論文の概要: Map Optical Properties to Subwavelength Structures Directly via a Diffusion Model

• arxiv url: http://arxiv.org/abs/2404.05959v1
• Date: Tue, 9 Apr 2024 02:45:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-10 16:08:32.982124
• Title: Map Optical Properties to Subwavelength Structures Directly via a Diffusion Model
• Title（参考訳）: 拡散モデルによるサブ波長構造への写像光学特性
• Authors: Shijie Rao, Kaiyu Cui, Yidong Huang, Jiawei Yang, Yali Li, Shengjin Wang, Xue Feng, Fang Liu, Wei Zhang,
• Abstract要約: 人工知能(AI)の強力な生成能力を活用し,潜伏拡散モデルに基づく実用的な逆設計手法を提案する。 本手法は,前方シミュレーションや反復最適化を必要とせず,光学特性を直接構造にマッピングする。 実験により,我々の直接写像に基づく逆設計法は,高忠実度でサブ波長フォトニック構造を生成可能であることが示された。
• 参考スコア（独自算出の注目度）: 42.95498955900076
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Subwavelength photonic structures and metamaterials provide revolutionary approaches for controlling light. The inverse design methods proposed for these subwavelength structures are vital to the development of new photonic devices. However, most of the existing inverse design methods cannot realize direct mapping from optical properties to photonic structures but instead rely on forward simulation methods to perform iterative optimization. In this work, we exploit the powerful generative abilities of artificial intelligence (AI) and propose a practical inverse design method based on latent diffusion models. Our method maps directly the optical properties to structures without the requirement of forward simulation and iterative optimization. Here, the given optical properties can work as "prompts" and guide the constructed model to correctly "draw" the required photonic structures. Experiments show that our direct mapping-based inverse design method can generate subwavelength photonic structures at high fidelity while following the given optical properties. This may change the method used for optical design and greatly accelerate the research on new photonic devices.
• Abstract（参考訳）: サブ波長フォトニック構造とメタマテリアルは光を制御するための革命的なアプローチを提供する。 これらのサブ波長構造に対する逆設計法は、新しいフォトニックデバイスの開発に不可欠である。 しかし、既存の逆設計手法のほとんどは光学特性からフォトニック構造への直接マッピングを実現することはできない。 本研究では,人工知能(AI)の強力な生成能力を活用し,潜在拡散モデルに基づく実用的な逆設計手法を提案する。 本手法は,前方シミュレーションや反復最適化を必要とせず,光学特性を直接構造にマッピングする。 ここで、与えられた光学特性は「プロンプト」として機能し、構築されたモデルに要求されるフォトニック構造を正確に「描画」するよう導くことができる。 実験により, 直接写像に基づく逆設計法により, 与えられた光学特性を追従しながら, 高忠実度でサブ波長フォトニック構造を生成できることが確認された。 これにより光学設計の手法が変化し、新しいフォトニックデバイスの研究が大幅に加速する可能性がある。

関連論文リスト

• Physics-based Indirect Illumination for Inverse Rendering [70.27534648770057]
  本稿では,複数視点のRGB画像からシーンの照明,幾何学,材料を学習する物理ベースの逆レンダリング手法を提案する。 副産物として、我々の物理ベースの逆レンダリングモデルは、フレキシブルでリアルな素材編集やリライティングを容易にする。
  論文  参考訳（メタデータ） (2022-12-09T07:33:49Z)
• 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)
• Atomic structure generation from reconstructing structural fingerprints [1.2128971613239876]
  本稿では、原子中心対称性関数を表現として、条件付き変分オートエンコーダを生成モデルとして、エンドツーエンド構造生成手法を提案する。 我々は、概念実証として、サブナノメーターPtナノ粒子の新規で有効な原子構造を生成することに成功した。
  論文  参考訳（メタデータ） (2022-07-27T00:42:59Z)
• Machine Learning-Based Optimization of Chiral Photonic Nanostructures: Evolution- and Neural Network-Based Design [0.0]
  分子や光などの物質のキラリティは、化学、ナノフォトニクス、光学情報処理などへの応用に多くの注目を集めている。 進化的アルゴリズムとニューラルネットワークアプローチの2つの機械学習手法を用いて,キラルフォトニック構造の設計を報告する。 その結果, 光学ナノパターンリフレクタのファクシリ製造と特性評価が, キラリティーに敏感な光-マッターカップリングのシナリオに有効であることが示唆された。
  論文  参考訳（メタデータ） (2021-11-11T15:29:36Z)
• Polka Lines: Learning Structured Illumination and Reconstruction for Active Stereo [52.68109922159688]
  本稿では,波動光学と幾何光学の両方に依存した,アクティブステレオのための新しい微分可能な画像形成モデルと,新しい三眼再構成ネットワークを提案する。 Polka Lines" を再現ネットワークと組み合わせた共同最適化パターンは, 撮像条件全体にわたって, 最先端のアクティブステレオ深度推定を達成している。
  論文  参考訳（メタデータ） (2020-11-26T04:02:43Z)
• 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 to Model and Calibrate Optics via a Differentiable Wave Optics Simulator [27.913052825303097]
  実蛍光顕微鏡の微分可能計算モデルを構築するための学習に基づく新しい手法を提案する。 我々のモデルは、データサンプルから直接実際の光学装置を校正し、所望の入出力データを指定することで、ポイントスプレッド機能を構築するために使用できる。
  論文  参考訳（メタデータ） (2020-05-18T10:23:04Z)
• Deep Photon Mapping [59.41146655216394]
  本稿では,粒子ベースのレンダリングのための新しい深層学習手法を提案する。 我々は、カーネル関数を予測するために新しいディープニューラルネットワークをトレーニングし、シェーディングポイントでの光子寄与を集約する。 我々のネットワークは、個々の光子を光子ごとの特徴にエンコードし、シェーディングポイントの近傍でそれらを集約し、光子ごとの局所的特徴と光子ごとの局所的特徴からカーネル関数を推論する。
  論文  参考訳（メタデータ） (2020-04-25T06:59:10Z)
• Highly-Degenerate Photonic Waveguide Structures for Holonomic Computation [0.0]
  我々は、その大きな退化固有空間上の非アベリア幾何位相を生成できるオールアウト光学装置について検討する。 光装置により多くの光子を注入することにより、固有空間の縮退が急速に拡大することを示す。 系の明るい部分空間の縮退は、いかなる原子アナログにも欠落しており、普遍的な単一ビット操作を生成することができる。
  論文  参考訳（メタデータ） (2020-03-06T09:06:51Z)

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。