論文の概要: Anchor-Controlled Generative Adversarial Network for High-Fidelity Electromagnetic and Structurally Diverse Metasurface Design
- arxiv url: http://arxiv.org/abs/2408.16231v2
- Date: Thu, 03 Oct 2024 17:53:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-04 23:27:54.856340
- Title: Anchor-Controlled Generative Adversarial Network for High-Fidelity Electromagnetic and Structurally Diverse Metasurface Design
- Title(参考訳): 高密度電磁・構造多面体設計のためのアンカー制御型生成共振器ネットワーク
- Authors: Yunhui Zeng, Hongkun Cao, Xin Jin,
- Abstract要約: 電磁的忠実度と構造的多様性を改善するために,AcGAN(Anchor-control Generative Adversarial Network)を提案する。
AcGANはMean Squared Error (MSE) を73%削減する。
- 参考スコア(独自算出の注目度): 6.452006201454395
- License:
- Abstract: Metasurfaces, capable of manipulating light at subwavelength scales, hold great potential for advancing optoelectronic applications. Generative models, particularly Generative Adversarial Networks (GANs), offer a promising approach for metasurface inverse design by efficiently navigating complex design spaces and capturing underlying data patterns. However, existing generative models struggle to achieve high electromagnetic fidelity and structural diversity. These challenges arise from the lack of explicit electromagnetic constraints during training, which hinders accurate structure-to-electromagnetic response mapping, and the absence of mechanisms to handle one-to-many mappings dilemma, resulting in insufficient structural diversity. To address these issues, we propose the Anchor-controlled Generative Adversarial Network (AcGAN), a novel framework that improves both electromagnetic fidelity and structural diversity. To achieve high electromagnetic fidelity, AcGAN proposes the Spectral Overlap Coefficient (SOC) for precise spectral fidelity assessment and develops AnchorNet, which provides real-time feedback on electromagnetic performance to refine the structure-to-electromagnetic mapping. To enhance structural diversity, AcGAN incorporates a cluster-guided controller that refines input processing and ensures multi-level spectral integration, guiding the generation process to explore multiple configurations for the same spectral target. Additionally, a dynamic loss function progressively shifts the focus from data-driven learning to optimizing both spectral fidelity and structural diversity. Empirical analysis shows that AcGAN reduces the Mean Squared Error (MSE) by 73% compared to current state-of-the-art GANs methods and significantly expands the design space to generate diverse metasurface architectures that meet precise spectral demands.
- Abstract(参考訳): 準波長スケールでの光の操作が可能な準曲面は、光電子応用を前進させる大きな可能性を秘めている。
生成モデル、特にGAN(Generative Adversarial Networks)は、複雑な設計空間を効率的にナビゲートし、基礎となるデータパターンをキャプチャすることで、メタ曲面の逆設計に有望なアプローチを提供する。
しかし、既存の生成モデルは高い電磁的忠実度と構造的多様性を達成するのに苦労している。
これらの課題は、正確な構造と電磁応答のマッピングを妨げる訓練中に明らかな電磁的制約が欠如していることと、一対多のジレンマを扱うメカニズムが欠如していることから生じ、構造的多様性が不十分となる。
これらの課題に対処するため、電磁的忠実度と構造的多様性の両方を改善する新しいフレームワークであるAcGAN(Anchor- controlled Generative Adversarial Network)を提案する。
高電磁忠実度を実現するために、AcGANはスペクトル重心性評価のためのスペクトルオーバーラップ係数(SOC)を提案し、電磁特性をリアルタイムにフィードバックし、構造-電磁気マッピングを洗練させるAnchorNetを開発した。
構造的多様性を高めるため、AcGANは入力処理を洗練し、マルチレベルスペクトル統合を保証するクラスタ誘導コントローラを導入し、同一のスペクトルターゲットに対して複数の構成を探索する生成プロセスを導く。
さらに、動的損失関数は、焦点をデータ駆動学習からスペクトルの忠実度と構造的多様性の最適化へと徐々にシフトさせる。
実証分析により、AcGANは現在の最先端のGANs法と比較して平均二乗誤差(MSE)を73%削減し、正確なスペクトル要求を満たす多様な準曲面アーキテクチャを生成する設計空間を著しく拡張した。
関連論文リスト
- Bidirectional Adversarial Autoencoders for the design of Plasmonic Metasurfaces [8.223940676615857]
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。
論文 参考訳(メタデータ) (2024-05-07T06:57:42Z) - 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) - Ab initio calculations of quantum light-matter interactions in general
electromagnetic environments [0.0]
電子システムと一般電磁環境の両方を第一原理から定量的に記述できる最初の方法を提案する。
我々の研究は、強く結合した量子光マッター系に対するパラメータフリーのab initio計算への一歩である。
論文 参考訳(メタデータ) (2023-05-03T19:22:33Z) - A machine-learning-based tool for last closed magnetic flux surface
reconstruction on tokamak [58.42256764043771]
トカマク装置による核融合発電は、クリーンエネルギーの持続可能な供給源として最も有望な方法の1つである。
トカマクの主な課題は、アクチュエータコイルと内部トカマクプラズマの相互作用によって決定される最後の閉じた磁束面(LCFS)を予測することである。
本研究では,実験データから自動的に学習する実験用超電導トカマク(EAST)からLCFSを再構築する機械学習モデルを提案する。
論文 参考訳(メタデータ) (2022-07-12T17:15:29Z) - Unsupervised Misaligned Infrared and Visible Image Fusion via
Cross-Modality Image Generation and Registration [59.02821429555375]
我々は、教師なし不整合赤外線と可視画像融合のための頑健な相互モダリティ生成登録パラダイムを提案する。
登録された赤外線画像と可視画像とを融合させるため,IFM (Feature Interaction Fusion Module) を提案する。
論文 参考訳(メタデータ) (2022-05-24T07:51:57Z) - Electromagnetically induced transparency in inhomogeneously broadened
divacancy defect ensembles in SiC [52.74159341260462]
電磁誘導透過 (EIT) は、光信号と電子スピンの量子コヒーレンスの間に強く堅牢な相互作用を与える現象である。
この材料プラットフォームにおいても,計測幾何学の慎重に設計した上で,EITを高視認性で確立できることが示される。
本研究は,多層システムにおけるEITの非均一性に対する理解を提供し,半導体の幅広い欠陥に対する考察である。
論文 参考訳(メタデータ) (2022-03-18T11:22:09Z) - 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) - A new concept for design of photonic integrated circuits with the
ultimate density and low loss [62.997667081978825]
そこで本研究では,PIC設計のための新たな概念として,究極のダウンスケーリング能力,幾何学的損失の欠如,高忠実度スループットを提案する。
これは導波路アレイを通して光子の周期的連続時間量子ウォークによって達成される。
本稿では,情報・センシングシステムの基本構成要素の設計を再考することにより,新しい概念の可能性を示す。
論文 参考訳(メタデータ) (2021-08-02T14:23:18Z) - Deep Convolutional Neural Networks to Predict Mutual Coupling Effects in
Metasurfaces [6.993995471675809]
本研究では,大規模アレイに配置された各ターゲットメタ原子の実際の電磁応答を予測するための深層学習手法を提案する。
予測ニューラルネットワークは、ターゲットのメタ原子とその隣人の物理的仕様を入力として、その位相と振幅をミリ秒で計算する。
従来の設計手法に比べてビーム偏向器とメタレンの効率が大幅に向上した。
論文 参考訳(メタデータ) (2021-02-02T21:27:56Z) - 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) - Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。
モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。
その結果,クロスバリデーションにより予測精度が期待できることがわかった。
論文 参考訳(メタデータ) (2020-05-27T13:32:10Z)
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。