論文の概要: Self-driving lab discovers principles for steering spontaneous emission
- arxiv url: http://arxiv.org/abs/2407.16083v1
- Date: Mon, 22 Jul 2024 23:04:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-24 19:05:22.015704
- Title: Self-driving lab discovers principles for steering spontaneous emission
- Title（参考訳）: 自動運転車研究所が自然排ガスを操る原理を発見
- Authors: Saaketh Desai, Sadhvikas Addamane, Jeffery Y. Tsao, Igal Brener, Remi Dingreville, Prasad P. Iyer,
- Abstract要約: 放射の制御は、照明、熱放射工学、リモートセンシングにおけるクリーンエネルギーの解決に不可欠である。
ここでは、発光中表面から遠距離放射プロファイルを予測するための支配方程式を発見し、この問題に対処する自動運転ラボプラットフォームを提案する。
局所屈折率の空間勾配(グレーティング様)と曲率(レンズ様)の両方が自然放出を操る重要な要因であることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We developed an autonomous experimentation platform to accelerate interpretable scientific discovery in ultrafast nanophotonics, targeting a novel method to steer spontaneous emission from reconfigurable semiconductor metasurfaces. Controlling spontaneous emission is crucial for clean-energy solutions in illumination, thermal radiation engineering, and remote sensing. Despite the potential of reconfigurable semiconductor metasurfaces with embedded sources for spatiotemporal control, achieving arbitrary far-field control remains challenging. Here, we present a self-driving lab (SDL) platform that addresses this challenge by discovering the governing equations for predicting the far-field emission profile from light-emitting metasurfaces. We discover that both the spatial gradient (grating-like) and the curvature (lens-like) of the local refractive index are key factors in steering spontaneous emission. The SDL employs a machine-learning framework comprising: (1) a variational autoencoder for generating complex spatial refractive index profiles, (2) an active learning agent for guiding experiments with real-time closed-loop feedback, and (3) a neural network-based equation learner to uncover structure-property relationships. The SDL demonstrated a four-fold enhancement in peak emission directivity (up to 77%) over a 72{\deg} field of view within ~300 experiments. Our findings reveal that combinations of positive gratings and lenses are as effective as negative lenses and gratings for all emission angles, offering a novel strategy for controlling spontaneous emission beyond conventional Fourier optics.
- Abstract（参考訳）: 超高速ナノフォトニクスにおける解釈可能な科学的発見を加速する自律的な実験プラットフォームを開発した。
自然発光の制御は、照明、熱放射工学、リモートセンシングにおけるクリーンエネルギーの解決に不可欠である。
時空間制御のための埋め込み源を持つ再構成可能な半導体準曲面の可能性にもかかわらず、任意の遠距離制御を達成することは依然として困難である。
ここでは,この課題に対処するために,発光中表面から遠方界放射プロファイルを予測するための支配方程式を発見することで,自動運転ラボ(SDL)プラットフォームを提案する。
局所屈折率の空間勾配(グレーティング様)と曲率(レンズ様)の両方が自然放出を操る重要な要因であることがわかった。
SDLは,(1)複雑な空間屈折率プロファイルを生成する変分オートエンコーダ,(2)実時間閉ループフィードバックで実験を誘導する能動的学習エージェント,(3)ニューラルネットワークに基づく方程式学習者による構造・プロパティ関係の解明を含む機械学習フレームワークを採用している。
SDLは最大放射指向性(最大77%)を72{\deg}視野で約300の実験で4倍に向上させた。
以上の結果から,正の格子とレンズの組み合わせは,すべての発光角に対して負のレンズや格子と同等に有効であることが判明した。
関連論文リスト
- Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving [58.16024314532443]
我々は、異なるLiDARスキャンからレーザービーム操作を統合するフレームワークであるLaserMix++を導入し、データ効率の学習を支援するためにLiDAR-カメラ対応を組み込んだ。
結果は、LaserMix++が完全に教師付き代替よりも優れており、5倍のアノテーションで同等の精度を実現していることを示している。
この大幅な進歩は、LiDARベースの3Dシーン理解システムにおける広範囲なラベル付きデータへの依存を減らすための半教師付きアプローチの可能性を示している。
論文 参考訳（メタデータ） (2024-05-08T17:59:53Z) - Spin Hamiltonians in the Modulated Momenta of Light [2.8268296595247193]
フォトニックソルバは、異なるスピンハミルトニアンの基底状態を見つけるために用いられる。
スピンハミルトニアンの空間光輸送による実空間対応を確立する。
論文 参考訳（メタデータ） (2024-05-01T12:49:38Z) - Computing Transiting Exoplanet Parameters with 1D Convolutional Neural
Networks [0.0]
2つの1次元畳み込みニューラルネットワークモデルが提示される。
1つのモデルは完全な光曲線で動作し、軌道周期を推定する。
もう1つは位相折りたたみ光曲線を演算し、軌道の半主軸と惑星と恒星の半径比の正方形を推定する。
論文 参考訳（メタデータ） (2024-02-21T10:17:23Z) - Autonomous microARPES [10.192534266541687]
角度分解光電子分光法(ARPES)は、固体の電子構造をマッピングする技術である。
近年のX線集光光学の進歩は、ALPESを顕微鏡ツールとして発展させてきた。
我々は、特定の興味のある位置を見つけるために、$mathbfk$-と実空間の両方を自律的に検索するプロトコルを実装している。
論文 参考訳（メタデータ） (2024-02-16T13:41:05Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - 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) - Connecting steady-states of driven-dissipative photonic lattices with
spontaneous collective emission phenomena [91.3755431537592]
我々は直観を用いて1次元と2次元の非自明なフォトニック定常状態の形成を予測する。
その結果, サブラジアントエミッタ構成は, 定常光局在の出現と関係があることが判明した。
これらの結果は、最近報告された分極格子の光学的に定義された空洞に光を当てた。
論文 参考訳（メタデータ） (2021-12-27T23:58:42Z) - VILENS: Visual, Inertial, Lidar, and Leg Odometry for All-Terrain Legged
Robots [3.867363075280544]
本稿では,因子グラフに基づく脚型ロボットのオドメトリーシステムであるVILENSを提案する。
重要な新規性は、信頼性の高い動作を実現するために、4つの異なるセンサーモードの密接な融合である。
最先端の疎結合アプローチと比較して, 平均62%の翻訳誤差と51%の回転誤差が改善した。
論文 参考訳（メタデータ） (2021-07-15T11:05:00Z) - Tunable Anderson Localization of Dark States [146.2730735143614]
超伝導導波路量子電磁力学系におけるアンダーソンの局在について実験的に検討した。
サブラジアント暗黒モード近傍での伝送係数の指数的抑制を観測する。
この実験は、新しいプラットフォーム上での様々なローカライゼーション現象の研究の扉を開く。
論文 参考訳（メタデータ） (2021-05-25T07:52:52Z) - The Truncated Metallo-dielectric Omnidirectional Reflector: Collecting
Single Photons in the Fundamental Gaussian Mode with 95% Efficiency [4.127645555053321]
本稿では,単一エミッタからの単一光子を低発振基本ガウスモードに変換するアンテナ構造を提案する。
我々の装置は、望ましくない大角放射を抑え、小角欠陥誘導モード放出を高めるために全方位フォトニックバンドギャップを作成するという概念に依存している。
論文 参考訳（メタデータ） (2020-08-05T10:09:46Z) - End-to-end Learning for Inter-Vehicle Distance and Relative Velocity
Estimation in ADAS with a Monocular Camera [81.66569124029313]
本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。
提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。
また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
論文 参考訳（メタデータ） (2020-06-07T08:18:31Z)
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。