論文の概要: An LLM-Orchestrated Agent for Directional-Coupler Design with Self-Consistent Eigenmode and FDTD Validation

• arxiv url: http://arxiv.org/abs/2606.22493v1
• Date: Sun, 21 Jun 2026 13:29:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:56:05.762496
• Title: An LLM-Orchestrated Agent for Directional-Coupler Design with Self-Consistent Eigenmode and FDTD Validation
• Title（参考訳）: 自己持続固有モードとFDTDバリデーションを用いた指向性結合器設計のためのLCM調整エージェント
• Authors: Saumya Biswas, Amrit De, Md Tauhidul Islam,
• Abstract要約: 設計エージェントは、動作しないが、シリコンオン絶縁体(SOI)の2時間2ドル方向カプラを設計するための数値シミュレーションを行う。 我々は、設計戦略に役立つ多くの分析結果が得られる対称位相整合カプラを選択する。
• 参考スコア（独自算出の注目度）: 7.055368072790688
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a design agent which is a Large Language Model (LLM) that orchestrates, but does not perform, the numerical simulations to design a silicon-on-insulator (SOI) $2\times2$ directional coupler. We choose a symmetric phase-matched coupler where a lot of analytical results are available that help the design strategy. The LLM proposes candidate gap values (a geometrical dimension size) and judges convergence, while all physics is owned by deterministic solvers: a frequency-domain eigenmode solver estimates the coupling coefficient~$κ$ for the current design, and an independent Finite-Difference Time-Domain (FDTD) stage validates it. Both solvers operate on a common slab-projected two-dimensional (2D) effective-index reduction of the silicon film, so the design~$κ$ and the FDTD response are consistent by problem design; the residual between them is shown to be a single constant phase offset~$φ$, attributable to a fixed excess coupling length $L_{\mathrm{extra}}=\SI{2.837(11)}{\micro\meter}$ that we find invariant across a factor-of-two range in~$κ$. Folding this offset into a closed-loop length correction, the agent delivers a $50/50$ splitter whose FDTD-measured cross fraction is $0.498$ (target $0.500$), a residual of $0.0017$. Results are made self-consistent within the 2D effective-index model; and the LLM succeeds in delivering a suitable design over a number of attempts.
• Abstract（参考訳）: 本稿では,Large Language Model (LLM) を編成するが実行しない設計エージェントとして,シリコンオン絶縁体 (SOI) を設計するための数値シミュレーションを行う。 我々は、設計戦略に役立つ多くの分析結果が得られる対称位相整合カプラを選択する。 周波数領域固有モードソルバが結合係数~$κ$を推定し、独立な有限差時間領域(FDTD)がそれを検証している。 両者の解法は、シリコンフィルムの共通のスラブ投影2次元(2D)効果インデックス還元を演算するので、設計~$κ$とFDTD応答は、問題設計により一貫したものであり、それらの間の残差は、固定余剰結合長$L_{\mathrm{extra}}=\SI{2.837(11)}{\micro\meter}$に起因して、1つの定数位相オフセット~$φ$であることが示される。 このオフセットをクローズドループ長の補正にすると、エージェントは50/50ドルのスプリッターを供給し、FDTDで測定されたクロス分画は0.498ドル(ターゲットは0.500ドル)、残余は0.0017ドルである。 結果は2次元実効インデクスモデル内で自己整合化され、LLMは多くの試みに対して適切な設計を提供することに成功した。

関連論文リスト

• Optimal Design for Multinomial Logit Model with Applications to Best Assortment Identification [39.805192541498634]
  マルチノミアルロジット(MNL)バンドの最適設計について検討した。 線型あるいは一般化された線形帯域とは異なり、MNLバンドは非線形作用空間を持つ。 我々は,MNLの盗賊を識別する最善のアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-05-25T08:41:56Z)
• Collective Alignment in LLM Multi-Agent Systems: Disentangling Bias from Cooperation via Statistical Physics [0.0]
  そこで,本研究では,本態性バイアスから社会的整合性を解き,臨界指数を計算し,マルチエージェントシステムの集合的挙動と相転移を探索するモデルに依存しない統計的物理法を提案する。 集合的アライメントは、協調的な隣り合う結合よりも本質的なバイアスによって支配され、真の相転移の代わりに場駆動のクロスオーバーを生成する。
  論文  参考訳（メタデータ） (2026-05-11T13:13:44Z)
• Adaptation to Intrinsic Dependence in Diffusion Language Models [5.185131234265025]
  拡散言語モデル(DLM)は自己回帰(AR)アプローチに代わる有望な代替手段として登場した。 対象データ分布の(未知の)依存構造に適応するDLMの分布に依存しないアンマスキングスケジュールを提案する。 この結果は, 先行収束理論を著しく改善し, 低複雑さ分布に対する相当なサンプリング加速を得た。
  論文  参考訳（メタデータ） (2026-02-23T18:41:34Z)
• Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
  本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。 我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。 我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-05-10T09:58:47Z)
• DFedADMM: Dual Constraints Controlled Model Inconsistency for Decentralized Federated Learning [52.83811558753284]
  分散学習(DFL)は、中央サーバーを捨て、分散通信ネットワークを確立する。 既存のDFL手法は依然として、局所的な矛盾と局所的な過度なオーバーフィッティングという2つの大きな課題に悩まされている。
  論文  参考訳（メタデータ） (2023-08-16T11:22:36Z)
• FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
  我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。 Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
  論文  参考訳（メタデータ） (2022-10-26T00:23:36Z)
• FANOK: Knockoffs in Linear Time [73.5154025911318]
  本稿では,ガウスモデル-Xノックオフを効率的に実装し,大規模特徴選択問題における誤発見率を制御するアルゴリズムについて述べる。 当社のメソッドは、最大50,000ドルという問題でテストしています。
  論文  参考訳（メタデータ） (2020-06-15T21:55:34Z)

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。