論文の概要: Inverse Design of Diffractive Metasurfaces Using Diffusion Models

• arxiv url: http://arxiv.org/abs/2506.21748v1
• Date: Thu, 26 Jun 2025 20:10:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.00611
• Title: Inverse Design of Diffractive Metasurfaces Using Diffusion Models
• Title（参考訳）: 拡散モデルを用いた拡散型地表面の逆設計
• Authors: Liav Hen, Erez Yosef, Dan Raviv, Raja Giryes, Jacob Scheuer,
• Abstract要約: メタサーフェス(Metagrounds)は、光の正確な制御を可能にする、エンジニアリングされたサブ波長構造からなる超薄い光学素子である。 逆設計では、構造と光学特性の間の複雑な非線形関係のため、所望の光学応答をもたらす幾何を決定することは困難である。 拡散モデルの生成能力を計算設計に組み込むことにより,これらの課題に対処する。 本研究では,空間的に均一な強度スプリッタと偏光ビームスプリッタの設計に対するアプローチを示す。
• 参考スコア（独自算出の注目度）: 28.865660196923752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Metasurfaces are ultra-thin optical elements composed of engineered sub-wavelength structures that enable precise control of light. Their inverse design - determining a geometry that yields a desired optical response - is challenging due to the complex, nonlinear relationship between structure and optical properties. This often requires expert tuning, is prone to local minima, and involves significant computational overhead. In this work, we address these challenges by integrating the generative capabilities of diffusion models into computational design workflows. Using an RCWA simulator, we generate training data consisting of metasurface geometries and their corresponding far-field scattering patterns. We then train a conditional diffusion model to predict meta-atom geometry and height from a target spatial power distribution at a specified wavelength, sampled from a continuous supported band. Once trained, the model can generate metasurfaces with low error, either directly using RCWA-guided posterior sampling or by serving as an initializer for traditional optimization methods. We demonstrate our approach on the design of a spatially uniform intensity splitter and a polarization beam splitter, both produced with low error in under 30 minutes. To support further research in data-driven metasurface design, we publicly release our code and datasets.
• Abstract（参考訳）: メタサーフェス(Metagrounds)は、光の正確な制御を可能にする、エンジニアリングされたサブ波長構造からなる超薄い光学素子である。 それらの逆設計 - 所望の光学応答をもたらす幾何を決定する - は、構造と光学特性の間の複雑な非線形関係のために困難である。 これはしばしば専門家のチューニングを必要とし、局所的なミニマに傾向があり、かなりの計算オーバーヘッドを伴う。 本研究では,拡散モデルの生成能力を計算設計ワークフローに統合することにより,これらの課題に対処する。 RCWAシミュレータを用いて,地表面とそれに対応する遠距離散乱パターンからなるトレーニングデータを生成する。 次に, 連続支持帯から採取した特定の波長における目標空間電力分布から, メタ原子形状と高さを予測するための条件拡散モデルを訓練する。 トレーニングが完了すると、RCWA誘導後部サンプリングを直接使用するか、あるいは従来の最適化手法のイニシャライザとして機能することにより、低エラーでメタ曲面を生成することができる。 本研究では,空間的に均一な強度スプリッタと偏光ビームスプリッタの設計に対するアプローチを示す。 データ駆動型メタ曲面設計のさらなる研究を支援するため、コードとデータセットを公開しています。

関連論文リスト

• Geometric Regularity in Deterministic Sampling of Diffusion-based Generative Models [39.94246633953425]
  決定論的サンプリング力学における顕著な幾何学的規則性を明らかにする。 すべての軌道は、モデルアーキテクチャ、適用条件、生成された内容に関わらず、ほぼ同じ「ボメラン」形状を示す。 提案手法は,サンプリング時間スケジュールと基礎となる軌道構造との整合性を向上する動的プログラミングに基づくスキームを提案する。
  論文  参考訳（メタデータ） (2025-06-11T21:09:09Z)
• Latent Energy-Based Odyssey: Black-Box Optimization via Expanded Exploration in the Energy-Based Latent Space [65.44449711359724]
  ブラックボックス関数の高次元かつ高マルチモーダルな入力設計空間は、既存の手法に固有の課題をもたらす。 設計値の結合空間の圧縮的かつ正確な表現として機能する潜在空間の発見を検討する。 本稿では, 高精度潜時空間モデルの変分学習のための雑音強調型テレスコープ密度比推定法を提案する。
  論文  参考訳（メタデータ） (2024-05-27T00:11:53Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
  拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。 我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。 我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:38:28Z)
• Reflected Diffusion Models [93.26107023470979]
  本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。 提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
  論文  参考訳（メタデータ） (2023-04-10T17:54:38Z)
• 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)
• Modeling Scattering Coefficients using Self-Attentive Complex Polynomials with Image-based Representation [26.6996054977643]
  与えられた2次元平面アンテナ設計の周波数領域における散乱係数を直接推定するために, CZP と命名されたサンプル効率で正確な代理モデルを提案する。 我々は、CZPが試験損失の点でベースラインを上回るだけでなく、商用ソフトウェアで検証可能な2次元アンテナの設計も見出すことができることを示した。
  論文  参考訳（メタデータ） (2023-01-06T23:32:07Z)
• Investigation of Nonlinear Model Order Reduction of the Quasigeostrophic Equations through a Physics-Informed Convolutional Autoencoder [0.0]
  低次モデリング(ROM)は、安価なサロゲートによる現実世界のプロセスの複雑な物理モデルに近似する。 本稿では,システム力学の非線形射影を低次元多様体上に行うオートエンコーダ(AE)を用いたROMの構築について検討する。 本研究により, PIコスト関数は空間再構成に有効であるが, 空間特性はスペクトル特性よりも強力ではないことが明らかとなった。
  論文  参考訳（メタデータ） (2021-08-27T15:20:01Z)

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。