論文の概要: Advancing Machine Learning Optimization of Chiral Photonic Metasurface: Comparative Study of Neural Network and Genetic Algorithm Approaches
- arxiv url: http://arxiv.org/abs/2512.13656v1
- Date: Mon, 15 Dec 2025 18:49:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-16 17:54:56.814167
- Title: Advancing Machine Learning Optimization of Chiral Photonic Metasurface: Comparative Study of Neural Network and Genetic Algorithm Approaches
- Title（参考訳）: キラルフォトニックメタ曲面の機械学習最適化の高速化:ニューラルネットワークと遺伝的アルゴリズムによるアプローチの比較研究
- Authors: Davide Filippozzi, Alexandre Mayer, Nicolas Roy, Wei Fang, Arash Rahimi-Iman,
- Abstract要約: キラルフォトニック変成層は、光-物質相互作用を調整するためのユニークな機能を提供する。
ディープラーニングと進化的アルゴリズムを組み合わせた高度な最適化フレームワークについて報告する。
- 参考スコア（独自算出の注目度）: 39.461494743436596
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chiral photonic metasurfaces provide unique capabilities for tailoring light-matter interactions, which are essential for next-generation photonic devices. Here, we report an advanced optimization framework that combines deep learning and evolutionary algorithms to significantly improve both the design and performance of chiral photonic nanostructures. Building on previous work utilizing a three-layer perceptron reinforced learning and stochastic evolutionary algorithm with decaying changes and mass extinction for chiral photonic optimization, our study introduces a refined pipeline featuring a two-output neural network architecture to reduce the trade-off between high chiral dichroism (CD) and reflectivity. Additionally, we use an improved fitness function, and efficient data augmentation techniques. A comparative analysis between a neural network (NN)-based approach and a genetic algorithm (GA) is presented for structures of different interface pattern depth, material combinations, and geometric complexity. We demonstrate a twice higher CD and the impact of both the corner number and the refractive index contrast at the example of a GaP/air and PMMA/air metasurface as a result of superior optimization performance. Additionally, a substantial increase in the number of structures explored within limited computational resources is highlighted, with tailored spectral reflectivity suggested by our electromagnetic simulations, paving the way for chiral mirrors applicable to polarization-selective light-matter interaction studies.
- Abstract（参考訳）: キラルフォトニック変成層は、次世代フォトニックデバイスに不可欠な光-物質相互作用を調整するためのユニークな機能を提供する。
本稿では、深層学習と進化的アルゴリズムを組み合わせて、キラルフォトニックナノ構造の設計と性能を大幅に改善する高度な最適化フレームワークについて報告する。
本研究は, 3層パーセプトロン強化学習と確率的進化アルゴリズムを用いて, カイラルフォトニック最適化における劣化変化と質量消滅を生かし, 高いキラル二色性(CD)と反射率とのトレードオフを低減するために, 2出力のニューラルネットワークアーキテクチャを特徴とする洗練されたパイプラインを提案する。
さらに、フィットネス機能の改善や、効率的なデータ拡張技術も利用しています。
ニューラルネットワーク(NN)に基づくアプローチと遺伝的アルゴリズム(GA)の比較分析は、異なるインターフェースパターンの深さ、材料の組み合わせ、幾何学的複雑さの構造に対して提示される。
最適化性能のよいGaP/airとPMMA/Airメタ曲面の例において,2倍のCDとコーナー数と屈折率コントラストの影響を実証した。
さらに、限られた計算資源の中で探索される構造の数を大幅に増加させ、電磁シミュレーションによりスペクトル反射率を調整し、偏光選択光-物質相互作用研究に応用するカイラルミラーの道を開いた。
関連論文リスト
- SO-PIFRNN: Self-optimization physics-informed Fourier-features randomized neural network for solving partial differential equations [3.769992289689535]
本研究では,自己最適化物理を用いたフーリエ特徴ランダムニューラルネットワーク(SO-PIFRNN)フレームワークを提案する。
内層最適化は最小二乗法によりニューラルネットワークの出力層重みを決定する。
実験の結果,SO-PIFRNNは近似精度と周波数捕捉能に優れていた。
論文 参考訳（メタデータ） (2025-08-07T02:08:34Z) - Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。
キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
論文 参考訳（メタデータ） (2025-04-23T06:29:10Z) - Optimizing Photonic Structures with Large Language Model Driven Algorithm Discovery [2.2485774453793037]
我々は,ブラッグミラー,エリプソメトリー逆解析,太陽電池反反射コーティングなどの多層フォトニック問題に適した構造的プロンプトエンジニアリングを導入する。
我々は、(1+1)、(1+5)、(2+10)など、複数の進化戦略を探求し、探索と搾取のバランスをとる。
実験により, LLM生成アルゴリズムは, 大規模問題インスタンスを用いて生成され, 既定の手法と一致するか, あるいは超えることを示す。
論文 参考訳（メタデータ） (2025-03-25T15:05:25Z) - AI Driven Laser Parameter Search: Inverse Design of Photonic Surfaces using Greedy Surrogate-based Optimization [0.7377466856726481]
特定の光学特性で設計されたフォトニック表面は、様々なエネルギー収穫・貯蔵システムでの使用においてますます重要になっている。
我々はそのような曲面を設計するための代理に基づく最適化手法を開発した。
論文 参考訳（メタデータ） (2024-06-20T19:00:33Z) - Hallmarks of Optimization Trajectories in Neural Networks: Directional Exploration and Redundancy [75.15685966213832]
最適化トラジェクトリのリッチな方向構造をポイントワイズパラメータで解析する。
トレーニング中のスカラーバッチノルムパラメータは,ネットワーク全体のトレーニング性能と一致していることを示す。
論文 参考訳（メタデータ） (2024-03-12T07:32:47Z) - Photonic Structures Optimization Using Highly Data-Efficient Deep
Learning: Application To Nanofin And Annular Groove Phase Masks [40.11095094521714]
メタ表面は、薄膜光学の領域における光特性の操作のための柔軟なフレームワークを提供する。
本研究の目的は,これらのデバイスに対するサロゲート最適化フレームワークの導入である。
本フレームワークは、天文高コントラストイメージングへの応用に適した2種類の渦位相マスク(VPM)の開発に応用される。
論文 参考訳（メタデータ） (2023-09-05T07:19:14Z) - GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from
Multi-view Images [79.39247661907397]
本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。
具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
論文 参考訳（メタデータ） (2023-03-24T03:32:02Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳（メタデータ） (2022-03-10T14:22:54Z) - Image-specific Convolutional Kernel Modulation for Single Image
Super-resolution [85.09413241502209]
本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。
我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。
単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2021-11-16T11:05:10Z) - Machine Learning-Based Optimization of Chiral Photonic Nanostructures:
Evolution- and Neural Network-Based Design [0.0]
分子や光などの物質のキラリティは、化学、ナノフォトニクス、光学情報処理などへの応用に多くの注目を集めている。
進化的アルゴリズムとニューラルネットワークアプローチの2つの機械学習手法を用いて,キラルフォトニック構造の設計を報告する。
その結果, 光学ナノパターンリフレクタのファクシリ製造と特性評価が, キラリティーに敏感な光-マッターカップリングのシナリオに有効であることが示唆された。
論文 参考訳（メタデータ） (2021-11-11T15:29:36Z)
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。