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, 3 Oct 2024 17:53:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-08 04:19:50.138589
• 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: http://creativecommons.org/licenses/by/4.0/
• 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

• HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model [88.13261547704444]
  Hyper SIGMAは、HSI解釈のためのビジョントランスフォーマーベースの基礎モデルである。 特別に設計されたスペクトル拡張モジュールを使用して、空間的特徴とスペクトル的特徴を統合する。 スケーラビリティ、堅牢性、クロスモーダル転送能力、実世界の適用性において大きなメリットがある。
  論文  参考訳（メタデータ） (2024-06-17T13:22:58Z)
• 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)
• CMT: Cross Modulation Transformer with Hybrid Loss for Pansharpening [14.459280238141849]
  Pansharpeningは、高分解能パンクロマティック(PAN)とマルチスペクトル(MS)画像を組み合わせることで、リモートセンシング画像(RSI)の品質を高めることを目的としている。 従来の手法では、空間情報やスペクトル情報を改善するためにPANとMSの画像を最適に融合させるのに苦労していた。 注意機構を改良する先駆的手法であるCross Modulation Transformer(CMT)を提案する。
  論文  参考訳（メタデータ） (2024-04-01T13:55:44Z)
• 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)
• 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)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• 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)
• Multi-task Learning Approach for Modulation and Wireless Signal Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
  将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。 我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。 公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
  論文  参考訳（メタデータ） (2022-02-26T14:51:02Z)
• Optimization-Inspired Learning with Architecture Augmentations and Control Mechanisms for Low-Level Vision [74.9260745577362]
  本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。 フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。 低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
  論文  参考訳（メタデータ） (2020-12-10T03:24:53Z)
• Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
  RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
  論文  参考訳（メタデータ） (2020-10-09T05:35:27Z)
• 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)

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。