論文の概要: Neural network inverse design of nanophotonic scintillators
- arxiv url: http://arxiv.org/abs/2606.16309v1
- Date: Mon, 15 Jun 2026 07:15:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.139107
- Title: Neural network inverse design of nanophotonic scintillators
- Title（参考訳）: ナノフォトニックシンチレータのニューラルネットワーク逆設計
- Authors: Nathan Regev, Avner Shultzman, Francis Loignon-Houle, Charles Roques-Carmes, Ido Kaminer,
- Abstract要約: 入射高エネルギー粒子から光子放出へのシンチレーションカスケード過程を学習する物理インフォームニューラルネットワークを提案する。
これにより、特定の目標放出パターンなど、任意のメリットの数字を最適化できます。
- 参考スコア（独自算出の注目度）: 3.5232085374661284
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scintillators are materials converting high-energy radiation into optical light, essential in a range of technologies such as medical imaging systems and security scanners. Scintillator development and optimization have remained limited by the complexity of their underlying physics, involving stochastic cascades of electron-electron, electron-phonon, and electron-photon interactions. Such processes are typically modeled by non-differentiable Monte Carlo simulations, limiting the applicability of machine learning for scintillator development. Here we present a physics-informed neural network that learns the scintillation cascade process from the incident high-energy particle to photon emission, substantially accelerating scintillator design and optimization. Combining this neural network with photonic simulations enables end-to-end differentiable optimization of the scintillator geometry. This allows us to optimize for arbitrary figures of merit, such as specific target emission patterns.. We demonstrate the concept and characterize it relative to previous approaches by inverse design of nanophotonic scintillators for X-ray imaging.
- Abstract（参考訳）: シンチレータは高エネルギー放射線を光に変換する材料であり、医療画像システムやセキュリティスキャナーなどの様々な技術に必須である。
シンチレータの開発と最適化は、電子-電子、電子-フォノン、電子-光子相互作用の確率論的カスケードを含む基礎物理学の複雑さによって制限され続けている。
このようなプロセスは典型的には微分不可能なモンテカルロシミュレーションによってモデル化され、シンチレータ開発における機械学習の適用性を制限する。
ここでは、入射高エネルギー粒子から光子放出へのシンチレーションカスケード過程を学習し、シンチレータの設計と最適化を大幅に加速させる物理インフォームニューラルネットワークを提案する。
このニューラルネットワークとフォトニックシミュレーションを組み合わせることで、シンチレータ幾何学のエンドツーエンドで微分可能な最適化が可能になる。
これにより、特定の目標放出パターンなど、任意のメリットの数字を最適化できます。
と。
X線イメージングのためのナノフォトニックシンチレータの逆設計により,従来の手法と比較して概念を実証し,特徴付ける。
関連論文リスト
- Acceleration of Atomistic NEGF: Algorithms, Parallelization, and Machine Learning [61.12861060232382]
非平衡グリーン関数(NEGF)はナノスケールデバイスの量子輸送特性をシミュレートする強力な方法である。
本稿では,DFT+NEGFシミュレーションを現実的なシステムの次元や機能に近づけるための重要な(アルゴリズム的な)成果を要約する。
論文 参考訳（メタデータ） (2026-02-03T12:01:39Z) - Advancing Machine Learning Optimization of Chiral Photonic Metasurface: Comparative Study of Neural Network and Genetic Algorithm Approaches [39.461494743436596]
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。
論文 参考訳（メタデータ） (2025-12-15T18:49:10Z) - On-demand indistinguishable and entangled photons using tailored cavity
designs [0.0]
偏光エンタングルメントの度合いが高い光子対の生成に着目する。
適切な調整を施した円形ブラッグ反射器が十分な選択的パーセル増強の要求を満たすことを示す。
本稿では,システムパラメータへの非自明な依存を報告し,Purcell拡張の最適範囲を決定するために,組み合わせた理論手法の予測力を利用する。
論文 参考訳（メタデータ） (2023-03-24T09:26:03Z) - Fast simulation for multi-photon, atomic-ensemble quantum model of
linear optical systems addressing the curse of dimensionality [0.0]
複数の光子上の時間進化作用素を、単一の光子に作用する時間進化作用素のグループに分解する。
提案手法は,光子の空間伝播を可視化し,量子化技術の実験設計を支援する知見を提供する。
論文 参考訳（メタデータ） (2023-02-27T16:54:58Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - Tunable photon-mediated interactions between spin-1 systems [68.8204255655161]
我々は、光子を媒介とする効果的なスピン-1系間の相互作用に、光遷移を持つマルチレベルエミッタを利用する方法を示す。
本結果は,空洞QEDおよび量子ナノフォトニクス装置で利用可能な量子シミュレーションツールボックスを拡張した。
論文 参考訳（メタデータ） (2022-06-03T14:52:34Z) - Numerical optimization of a nanophotonic cavity by machine learning for
near-unity photon indistinguishability at room temperature [0.0]
室温での高識別性(I)は、最も決定論的な単一光子源(SPS)の本質的な劣化により取得が困難である
本稿では,様々な単一光子エミッタのRTにおける理論的近傍均一性Iと高結合効率(ベータ)を実現するハイブリッドスロット-ブラッグナノフォトニックキャビティの設計と最適化の数値実証を行う。
この提案はスケーラブルな技術ではないが、単一光子操作の実験的な実証に適している。
論文 参考訳（メタデータ） (2021-10-28T10:18:57Z) - Topologically Protecting Squeezed Light on a Photonic Chip [58.71663911863411]
集積フォトニクスは、導波路内部に厳密に光を閉じ込めることで非線形性を高めるエレガントな方法を提供する。
シリカチップに励起光を発生させることができる自発4波混合のトポロジカルに保護された非線形過程を実験的に実証した。
論文 参考訳（メタデータ） (2021-06-14T13:39:46Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z) - Inverse-designed photon extractors for optically addressable defect
qubits [48.7576911714538]
フォトニックデバイスの逆設計最適化は、スピン光子インタフェースの臨界パラメータを調整する際に、前例のない柔軟性を実現する。
逆設計のデバイスは、単一の光子エミッタのスケーラブルな配列の実現、新しい量子エミッタの迅速なキャラクタリゼーション、センシングと効率的な隠蔽機構を実現する。
論文 参考訳（メタデータ） (2020-07-24T04:30:14Z)
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。