Nanophotonic particle simulation and inverse design using artificial neural networks.
Nanophotonic particle simulation and inverse design using artificial neural networks.
复制标题
DOI：
10.1126/sciadv.aar4206
复制
发表时间：
2018-06
期刊：
影响因子：
13.6
通讯作者：
Soljačić M
中科院分区：
文献类型：
--
作者：
Peurifoy J;Shen Y;Jing L;Yang Y;Cano-Renteria F;DeLacy BG;Joannopoulos JD;Tegmark M;Soljačić M
新的深度学习技术可能是解决棘手光子学问题的关键。我们提出了一种方法，使用人工神经网络来近似多层纳米粒子的光散射。我们发现，网络只需要在一小部分数据上进行训练，就可以将模拟近似到高精度。一旦神经网络被训练，它就可以比传统模拟更快地模拟这种光学过程。此外，通过使用反向传播，训练的神经网络可以用于解决纳米光子逆设计问题，其中梯度是解析的，而不是数值的。
New deep learning techniques may hold the key to solving intractable photonics problems. We propose a method to use artificial neural networks to approximate light scattering by multilayer nanoparticles. We find that the network needs to be trained on only a small sampling of the data to approximate the simulation to high precision. Once the neural network is trained, it can simulate such optical processes orders of magnitude faster than conventional simulations. Furthermore, the trained neural network can be used to solve nanophotonic inverse design problems by using back propagation, where the gradient is analytical, not numerical.
登录
查看更多内容
影响因子：
56.9
作者：
Carleo, Giuseppe;Troyer, Matthias
通讯作者：
Troyer, Matthias
影响因子：
64.8
作者：
RUMELHART, DE;HINTON, GE;WILLIAMS, RJ
通讯作者：
WILLIAMS, RJ
影响因子：
7.8
作者：
HORNIK, K;STINCHCOMBE, M;WHITE, H
通讯作者：
WHITE, H
影响因子：
6.4
作者：
Martin, E.;Meis, M.;Varas, F.
通讯作者：
Varas, F.
影响因子：
27.8
作者：
Yu, Liping;Kokenyesi, Robert S.;Zunger, Alex
通讯作者：
Zunger, Alex