論文の概要: Inverse Design of Optical Multilayer Thin Films using Robust Masked Diffusion Models

• arxiv url: http://arxiv.org/abs/2604.01106v1
• Date: Wed, 01 Apr 2026 16:33:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.088774
• Title: Inverse Design of Optical Multilayer Thin Films using Robust Masked Diffusion Models
• Title（参考訳）: ロバストマスク拡散モデルを用いた光多層膜の逆設計
• Authors: Jonas Schaible, Asena Karolin Özdemir, Charlotte Debus, Sven Burger, Achim Streit, Christiane Becker, Klaus Jäger, Markus Götz,
• Abstract要約: 光学多層スタックの逆設計は、所望の目標スペクトルから層材料、厚み、および順序を推測する。 光学スペクトルを用いた逆薄膜設計のためのマスク付き拡散言語モデルである textttOptoLlama を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inverse design of optical multilayer stacks seeks to infer layer materials, thicknesses, and ordering from a desired target spectrum. It is a long-standing challenge due to the large design space and non-unique solutions. We introduce \texttt{OptoLlama}, a masked diffusion language model for inverse thin-film design from optical spectra. Representing multilayer stacks as sequences of material-thickness tokens, \texttt{OptoLlama} conditions generation on reflectance, absorptance, and transmittance spectra and learns a probabilistic mapping from optical response to structure. Evaluated on a representative test set of 3,000 targets, \texttt{OptoLlama} reduces the mean absolute spectral error by 2.9-fold relative to a nearest-neighbor template baseline and by 3.45-fold relative to the state-of-the-art data-driven baseline, called \texttt{OptoGPT}. Case studies on designed and expert-defined targets show that the model reproduces characteristic spectral features and recovers physically meaningful stack motifs, including distributed Bragg reflectors. These results establish diffusion-based sequence modeling as a powerful framework for inverse photonic design.
• Abstract（参考訳）: 光学多層スタックの逆設計は、所望の目標スペクトルから層材料、厚み、および順序を推定しようとする。 大規模なデザインスペースと非共通的なソリューションのため、これは長年にわたる課題である。 光スペクトルからの逆薄膜設計のためのマスク付き拡散言語モデルである「texttt{OptoLlama}」を紹介する。 多層スタックを物質厚みトークンのシーケンスとして表現し、反射率、吸収率、透過率スペクトルに基づいて生成する \texttt{OptoLlama} 条件を生成し、光学応答から構造への確率写像を学習する。 3000のターゲットからなる代表的テストセットに基づいて評価された \texttt{OptoLlama} は、近隣のテンプレートベースラインに対して平均絶対スペクトル誤差を 2.9 倍、最先端のデータ駆動ベースラインに対して 3.45 倍に減らし、それを \texttt{OptoGPT} と呼ぶ。 設計および専門家が定義したターゲットのケーススタディでは、モデルは特徴的なスペクトルの特徴を再現し、ブラッグ反射器を含む物理的に意味のあるスタックモチーフを復元する。 これらの結果は、逆フォトニック設計のための強力なフレームワークとして拡散に基づくシーケンスモデリングを確立する。

関連論文リスト

• Suppressing VLM Hallucinations with Spectral Representation Filtering [49.52703800684483]
  視覚言語モデル(VLM)は、画像に存在しないオブジェクト、属性、関係の記述の形で幻覚をしばしば生成する。 本稿では,モデル表現の共分散構造を解析し,補正することにより,このような幻覚を抑制するための軽量な訓練不要な手法であるスペクトル表現フィルタ(SRF)を提案する。
  論文  参考訳（メタデータ） (2025-11-15T13:49:27Z)
• MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
  より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。 本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-10-13T13:29:20Z)
• DiffSpectra: Molecular Structure Elucidation from Spectra using Diffusion Models [68.19129717255053]
  本稿では、分子構造解明を条件生成プロセスとして定式化する生成フレームワークであるDiffSpectraについて述べる。 我々の実験では、DiffSpectraが分子構造を正確に解明し、40.76%のトップ-1と99.49%のトップ10を達成している。
  論文  参考訳（メタデータ） (2025-07-09T13:57:20Z)
• 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)
• Learning transformer-based heterogeneously salient graph representation for multimodal remote sensing image classification [42.15709954199397]
  本稿では,変圧器を用いたヘテロジニアサリエントグラフ表現法(THSGR)を提案する。 まず、多モード不均一グラフエンコーダを用いて、非ユークリッド構造の特徴を異種データから符号化する。 自己アテンションフリーなマルチ畳み込み変調器は、効果的かつ効率的な長期依存性モデリングのために設計されている。
  論文  参考訳（メタデータ） (2023-11-17T04:06:20Z)
• Unsupervised Spectral Demosaicing with Lightweight Spectral Attention Networks [6.7433262627741914]
  本稿では、教師なしで訓練された深層学習に基づくスペクトル復調手法を提案する。 提案手法は, 空間歪み抑制, スペクトル忠実度, 頑健性, 計算コストの観点から, 従来の教師なし手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-07-05T02:45:44Z)
• 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)

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。