論文の概要: Diffusion-Based Electromagnetic Inverse Design of Scattering Structured Media
- arxiv url: http://arxiv.org/abs/2511.05357v1
- Date: Fri, 07 Nov 2025 15:48:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-10 21:00:44.820119
- Title: Diffusion-Based Electromagnetic Inverse Design of Scattering Structured Media
- Title（参考訳）: 拡散法による散乱構造媒体の電磁反転設計
- Authors: Mikhail Tsukerman, Konstantin Grotov, Pavel Ginzburg,
- Abstract要約: 電磁的逆設計のための条件拡散モデルは、ターゲットの微分散乱断面積プロファイルから直接構造化メディアジオメトリを生成する。
11,000個の模擬準曲面で訓練されたモデルでは、観測対象の中央値が19%以下となる。
- 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 present a conditional diffusion model for electromagnetic inverse design that generates structured media geometries directly from target differential scattering cross-section profiles, bypassing expensive iterative optimization. Our 1D U-Net architecture with Feature-wise Linear Modulation learns to map desired angular scattering patterns to 2x2 dielectric sphere structure, naturally handling the non-uniqueness of inverse problems by sampling diverse valid designs. Trained on 11,000 simulated metasurfaces, the model achieves median MPE below 19% on unseen targets (best: 1.39%), outperforming CMA-ES evolutionary optimization while reducing design time from hours to seconds. These results demonstrate that employing diffusion models is promising for advancing electromagnetic inverse design research, potentially enabling rapid exploration of complex metasurface architectures and accelerating the development of next-generation photonic and wireless communication systems. The code is publicly available at https://github.com/mikzuker/inverse_design_metasurface_generation.
- Abstract（参考訳）: 本稿では, 電磁反転設計のための条件拡散モデルを提案し, 高精度な反復最適化を回避して, 対象の微分散乱断面プロファイルから直接構造媒体のジオメトリを生成する。
特徴量線形変調を用いた1次元U-Netアーキテクチャは、所望の角散乱パターンを2x2誘電体球構造にマッピングすることを学び、様々な有効な設計をサンプリングすることで、逆問題の非特異性を自然に扱う。
11,000の模擬準曲面で訓練され、CMA-ESの進化的最適化に優れ、設計時間を数時間から秒に短縮する。
これらの結果は、拡散モデルを用いることで、電磁反転設計の研究を推し進め、複雑な地下構造を迅速に探索し、次世代のフォトニック・無線通信システムの開発を加速させることができることを実証している。
コードはhttps://github.com/mikzuker/inverse_design_meta surface_generationで公開されている。
関連論文リスト
- Inverse Design of Diffractive Metasurfaces Using Diffusion Models [28.865660196923752]
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。
論文 参考訳（メタデータ） (2025-06-26T20:10:30Z) - A Surrogate Model for the Forward Design of Multi-layered Metasurface-based Radar Absorbing Structures [3.328784252410173]
本稿では,多層準曲面RASの電磁(EM)応答の予測を著しく高速化する代理モデルを提案する。
提案したモデルは、99.9%のコサイン類似性を達成し、平均2乗誤差は1000エポック内の0.001である。
論文 参考訳（メタデータ） (2025-05-14T09:54:00Z) - Physics-guided and fabrication-aware inverse design of photonic devices using diffusion models [43.51581973358462]
本稿では,拡散モデルのサンプリングプロセスに随伴勾配感度を統合する物理誘導フレームワークであるAdjointDiffusionを提案する。
提案手法は, 効率と製造性の両方において, 最先端の非線形勾配法より一貫して優れる。
論文 参考訳（メタデータ） (2025-04-23T19:54:33Z) - Anchor-Controlled Generative Adversarial Network for High-Fidelity Electromagnetic and Structurally Diverse Metasurface Design [6.452006201454395]
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。
論文 参考訳（メタデータ） (2024-08-29T03:11:55Z) - 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) - 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) - Protein Design with Guided Discrete Diffusion [67.06148688398677]
タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。
離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。
NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
論文 参考訳（メタデータ） (2023-05-31T16:31:24Z) - A deep learning approach for inverse design of the metasurface for
dual-polarized waves [1.1254693939127909]
機械学習に基づく手法は、最近メタ曲面の逆実現のための刺激的なプラットフォームを作成した。
本稿では,TE波とTM波の両方に対して,超広帯域の動作周波数帯における出力単位セル構造の生成にDeep Neural Network(DNN)を用いた。
論文 参考訳（メタデータ） (2021-05-12T17:15:31Z)
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。