論文の概要: Bidirectional Adversarial Autoencoders for the design of Plasmonic Metasurfaces

• arxiv url: http://arxiv.org/abs/2405.04056v1
• Date: Tue, 7 May 2024 06:57:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 15:09:09.438474
• Title: Bidirectional Adversarial Autoencoders for the design of Plasmonic Metasurfaces
• Title（参考訳）: プラズモニック・メタサーフェスの設計のための双方向対向オートエンコーダ
• Authors: Yuansan Liu, Jeygopi Panisilvam, Peter Dower, Sejeong Kim, James Bailey,
• Abstract要約: ディープラーニングは、計算的に効率的かつ正確である逆設計手法の設計において重要な部分である。 これらのシステムの基本的な課題の1つは、異なる次元を持つデータの集合間の非線形関係を表現する能力である。 既存の設計手法では、この問題を解決するために条件付きジェネレーティブ・アドバイサル・ネットワークを実装していることが多いが、多くの場合、検証時に複数のピークを提供する構造を生成することはできない。 対象のスペクトルに応答して、バイオリエントルミネッセンス・アドバーサリアル・オートエンコーダは、複数のピークを提供する構造を複数回生成できることが示されている。
• 参考スコア（独自算出の注目度）: 8.223940676615857
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep Learning has been a critical part of designing inverse design methods that are computationally efficient and accurate. An example of this is the design of photonic metasurfaces by using their photoluminescent spectrum as the input data to predict their topology. One fundamental challenge of these systems is their ability to represent nonlinear relationships between sets of data that have different dimensionalities. Existing design methods often implement a conditional Generative Adversarial Network in order to solve this problem, but in many cases the solution is unable to generate structures that provide multiple peaks when validated. It is demonstrated that in response to the target spectrum, the Bidirectional Adversarial Autoencoder is able to generate structures that provide multiple peaks on several occasions. As a result the proposed model represents an important advance towards the generation of nonlinear photonic metasurfaces that can be used in advanced metasurface design.
• Abstract（参考訳）: ディープラーニングは、計算的に効率的かつ正確である逆設計手法の設計において重要な部分である。 この例として、フォトルミネッセンススペクトルを入力データとして利用して、トポロジを予測するフォトニック変成層の設計がある。 これらのシステムの基本的な課題の1つは、異なる次元を持つデータの集合間の非線形関係を表現する能力である。 既存の設計手法では、この問題を解決するために条件付きジェネレーティブ・アドバイサル・ネットワークを実装していることが多いが、多くの場合、検証時に複数のピークを提供する構造を生成することはできない。 対象のスペクトルに応答して、双方向適応型オートエンコーダは、複数のピークを提供する構造を複数回生成できることが示されている。 その結果, 提案手法は, 高度な地表面設計に利用できる非線形フォトニック変成層の生成に向けた重要な進展を示す。

関連論文リスト

• Geometry-Informed Neural Networks [15.27249535281444]
  幾何インフォームドニューラルネットワーク(GINN)を導入する。 GINNは、データなしで形状生成ニューラルネットワークをトレーニングするためのフレームワークである。 GINNをいくつかの検証問題と現実的な3Dエンジニアリング設計問題に適用する。
  論文  参考訳（メタデータ） (2024-02-21T18:50:12Z)
• 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)
• Transfer learning-assisted inverse modeling in nanophotonics based on mixture density networks [0.840835093659811]
  本稿では,移動学習により強化された混合密度ネットワークモデルに基づくナノフォトニック構造の逆モデリング手法を提案する。 提案手法は,光応答を入力とする設計ソリューションの予測能力を高い精度で保ちながら,伝達学習に基づく手法を用いてこれらの制限を克服することができる。
  論文  参考訳（メタデータ） (2024-01-21T09:03:30Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• PC-GANs: Progressive Compensation Generative Adversarial Networks for Pan-sharpening [50.943080184828524]
  空間情報とスペクトル情報の漸進的補償によりMS画像のシャープ化を行うパンシャーピングの新しい2段階モデルを提案する。 モデル全体が三重GANで構成されており、特定のアーキテクチャに基づいて、三重GANを同時に訓練できるように、共同補償損失関数が設計されている。
  論文  参考訳（メタデータ） (2022-07-29T03:09:21Z)
• Surface Vision Transformers: Attention-Based Modelling applied to Cortical Analysis [8.20832544370228]
  球面多様体上に投影された任意の曲面データを研究するために、ドメインに依存しないアーキテクチャを導入する。 ビジョントランスモデルは、連続したマルチヘッド自己アテンション層を介してパッチのシーケンスを符号化する。 実験の結果、SiTは一般的に表面CNNよりも優れており、登録データと未登録データで比較可能であることがわかった。
  論文  参考訳（メタデータ） (2022-03-30T15:56:11Z)
• An End-to-End Framework for Molecular Conformation Generation via Bilevel Programming [71.82571553927619]
  分子コンフォメーション予測のためのエンドツーエンドソリューションであるconfvaeを提案する。 具体的には、まず分子グラフを潜時空間に符号化し、3次元構造は原理化された二段階最適化プログラムを解くことによって生成される。
  論文  参考訳（メタデータ） (2021-05-15T15:22:29Z)
• Suppress and Balance: A Simple Gated Network for Salient Object Detection [89.88222217065858]
  両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。 多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。 さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
  論文  参考訳（メタデータ） (2020-07-16T02:00:53Z)
• 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)
• Understanding Graph Neural Networks with Generalized Geometric Scattering Transforms [67.88675386638043]
  散乱変換は、畳み込みニューラルネットワークのモデルとして機能する多層ウェーブレットベースのディープラーニングアーキテクチャである。 非対称ウェーブレットの非常に一般的なクラスに基づくグラフに対して、窓付きおよび非窓付き幾何散乱変換を導入する。 これらの非対称グラフ散乱変換は、対称グラフ散乱変換と多くの理論的保証を持つことを示す。
  論文  参考訳（メタデータ） (2019-11-14T17:23:06Z)

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。