論文の概要: CoSP: Reconfigurable Multi-State Metamaterial Inverse Design via Contrastive Pretrained Large Language Model

• arxiv url: http://arxiv.org/abs/2511.16135v1
• Date: Thu, 20 Nov 2025 08:15:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.524297
• Title: CoSP: Reconfigurable Multi-State Metamaterial Inverse Design via Contrastive Pretrained Large Language Model
• Title（参考訳）: CoSP:Reconfigurable Multi-State Meta Materials Inverse Design by Contrastive Pretrained Large Language Model
• Authors: Shujie Yang, Xuzhe Zhao, Yuqi Zhang, Yansong Tang, Kaichen Dong,
• Abstract要約: コントラスト付き事前学習型大言語モデル(LLM)に基づく知的逆設計法を提案する。 CoSPは、任意の多状態多バンド光応答に対して対応する薄膜メタマテリアル構造を設計することができる。
• 参考スコア（独自算出の注目度）: 35.987300328917456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metamaterials, known for their ability to manipulate light at subwavelength scales, face significant design challenges due to their complex and sophisticated structures. Consequently, deep learning has emerged as a powerful tool to streamline their design process. Reconfigurable multi-state metamaterials (RMMs) with adjustable parameters can switch their optical characteristics between different states upon external stimulation, leading to numerous applications. However, existing deep learning-based inverse design methods fall short in considering reconfigurability with multi-state switching. To address this challenge, we propose CoSP, an intelligent inverse design method based on contrastive pretrained large language model (LLM). By performing contrastive pretraining on multi-state spectrum, a well-trained spectrum encoder capable of understanding the spectrum is obtained, and it subsequently interacts with a pretrained LLM. This approach allows the model to preserve its linguistic capabilities while also comprehending Maxwell's Equations, enabling it to describe material structures with target optical properties in natural language. Our experiments demonstrate that CoSP can design corresponding thin-film metamaterial structures for arbitrary multi-state, multi-band optical responses, showing great potentials in the intelligent design of RMMs for versatile applications.
• Abstract（参考訳）: メタマテリアルは、サブ波長スケールで光を操作する能力で知られており、複雑で洗練された構造のために重要な設計上の課題に直面している。 その結果、ディープラーニングはデザインプロセスを合理化するための強力なツールとして現れました。 調整可能なパラメータを持つ再構成可能な多状態メタマテリアル(RMM)は、外部刺激によって異なる状態間で光学特性を切り替えることができ、多くの応用に繋がる。 しかし、既存のディープラーニングベースの逆設計手法は、マルチステートスイッチングによる再構成可能性を考慮しては不十分である。 この課題に対処するために,コントラスト付き事前学習型大言語モデル(LLM)に基づく知的逆設計手法であるCoSPを提案する。 多状態スペクトルに対してコントラスト事前訓練を行うことにより、スペクトルを理解することができる十分に訓練されたスペクトルエンコーダが得られ、その後、事前訓練されたLCMと相互作用する。 このアプローチにより、モデルはその言語能力を維持しつつマクスウェルの方程式を解釈し、自然言語で対象とする光学的性質を持つ材料構造を記述することができる。 実験により、CoSPは、任意の多状態・マルチバンド光応答に対して対応する薄膜メタマテリアル構造を設計できることを示し、多目的用途にRMMをインテリジェントに設計する際の大きな可能性を示した。

関連論文リスト

• Active Learning and Explainable AI for Multi-Objective Optimization of Spin Coated Polymers [0.1486780669929473]
  特定の機械的特性を達成するためのスピンコーティングポリマー薄膜は、本質的に多目的最適化問題である。 本稿では,PyePAL(PyePAL)と可視化,説明可能なAI技術を統合し,処理パラメータを最適化するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-10T20:35:59Z)
• Inverse Design in Nanophotonics via Representation Learning [0.0]
  ナノフォトの逆設計は、標的電磁応答(EM)の鍵となるツールとなっている。 機械学習(ML)が出現し、これらのボトルネックに効果的に対処している。 このレビューでは、レンズ表現学習を通じてMLを2つのカテゴリ(出力側と入力側)に分類する。
  論文  参考訳（メタデータ） (2025-07-01T08:10:05Z)
• RA-BLIP: Multimodal Adaptive Retrieval-Augmented Bootstrapping Language-Image Pre-training [55.54020926284334]
  近年,MLLM (Multimodal Large Language Models) が注目されている。 検索拡張技術はLLMとMLLMの両方に有効なプラグインであることが証明されている。 本研究では,MLLMの新しい検索支援フレームワークであるRA-BLIP(Retrieval-Augmented Bootstrapping Language-Image Pre-training)を提案する。
  論文  参考訳（メタデータ） (2024-10-18T03:45:19Z)
• CoMMIT: Coordinated Multimodal Instruction Tuning [90.1532838391285]
  マルチモーダル大言語モデル(MLLM)は一般に、バックボーンLLMと非テキスト入力モードの特徴エンコーダ間の協調学習を含む。 本稿では,MLLM命令のチューニングを理論的・経験的両面から解析する。 本稿では,学習のバランスを定量的に測定できるマルチモーダルバランス係数を提案する。
  論文  参考訳（メタデータ） (2024-07-29T23:18:55Z)
• Many-Shot In-Context Learning for Molecular Inverse Design [56.65345962071059]
  大規模言語モデル(LLM)は、数ショットのインコンテキスト学習(ICL)において、優れたパフォーマンスを示している。 マルチショットICLで利用可能な実験データの不足を克服する,新しい半教師付き学習手法を開発した。 示すように、この新しい手法は、既存の分子設計のためのICL法を大幅に改善し、科学者にとってアクセスしやすく、使いやすくする。
  論文  参考訳（メタデータ） (2024-07-26T21:10:50Z)
• LAMBO: Large AI Model Empowered Edge Intelligence [71.56135386994119]
  次世代エッジインテリジェンスは、オフロード技術を通じて様々なアプリケーションに恩恵をもたらすことが期待されている。 従来のオフロードアーキテクチャは、不均一な制約、部分的な認識、不確実な一般化、トラクタビリティの欠如など、いくつかの問題に直面している。 我々は、これらの問題を解決するための10億以上のパラメータを持つLarge AI Model-Based Offloading (LAMBO)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-29T07:25:42Z)
• Explainable Equivariant Neural Networks for Particle Physics: PELICAN [51.02649432050852]
  PELICANは、新しい置換同変であり、ローレンツ不変アグリゲーターネットワークである。 本稿では,タグ付け(分類)とローレンツ発泡トップクォークの再構成(回帰)の両文脈におけるPELICANアルゴリズムアーキテクチャについて述べる。 PELICANの適用範囲を、クォーク開始時とグルーオン開始時とを識別するタスクに拡張し、5種類のジェットを対象とするマルチクラス同定を行う。
  論文  参考訳（メタデータ） (2023-07-31T09:08:40Z)
• Deep-Learning Empowered Inverse Design for Freeform Reconfigurable Metasurfaces [3.728073286482581]
  本稿では,自由形再構成可能な準曲面に対して,深層学習による逆設計手法を提案する。 畳み込みニューラルネットワークモデルは、自由形メタ原子の応答を予測するために訓練される。 逆設計の広帯域再構成可能な準曲面プロトタイプを作製し,ビーム走査用として測定した。
  論文  参考訳（メタデータ） (2022-11-11T15:01:32Z)
• 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。