Inverse design of nanophotonic structures using complementary convex optimization
提出了一种计算快速的纳米光子结构逆设计方法。该方法基于两个互补的凸优化问题,分别修改介质结构和谐振场。一维和二维纳米光子谐振器的设计证明,并示出需要最少的计算资源。
2009-12-22 physics.optics
Training deep neural networks for the inverse design of nanophotonic structures
当深度神经网络用于光子器件的逆向设计时,数据不一致会导致训练过程缓慢,这是由于所有逆散射问题中的非唯一性的基本属性引起的问题。在这里,我们表明,通过在串联架构中结合正向建模和逆向设计,可以克服这个基本问题,允许深度神经网络通过包含非唯一电磁散射实例的数据集进行有效训练。这为使用深度神经网络设计需要大量训练集的复杂光子结构铺平了道路。
2018-04-05 physics.app-ph physics.optics
Wavelength Controllable Forward Prediction and Inverse Design of Nanophotonic Devices Using Deep Learning
提出了一种基于深度学习的波长可控纳米光子器件的正向预测和反向设计模型。目标时域和波长域信息可以同时被利用,这使得包括功率分离器和波长解复用器的多个功能能够被高效且灵活地实现。
2020-11-06 physics.optics
Outlook for inverse design in nanophotonics
最近在计算逆向设计方面的进展已经开始重塑纳米光子学可用的结构和技术的景观。在这里,我们概述了在这两个领域的交叉点的关键发展的截面:从回顾的基础结果,在非线性,拓扑,近场和片上光学新兴应用的动机。
2018-01-20 physics.optics
invrs-gym: a toolkit for nanophotonic inverse design research
本研究提出了面向纳米光子逆设计等领域的模块化工具包invrs-gym,它含多样化挑战与统一接口,兼顾轻量迭代与真实可制备的3D设计任务,内置基准以加速光子设计方法的研发与落地。
2024-10-31 physics.comp-ph physics.optics
Boosting the efficiency of Smith-Purcell radiators using nanophotonic inverse design
由通过光栅的自由电子产生的辐射(称为Smith-Purcell辐射)具有各种应用,包括非破坏性光束诊断和可调谐光源,范围从太赫兹到X射线。到目前为止,用于此目的的光栅是基于人类直觉和简单的几何形状手动设计的。在这里,我们应用基于计算机的纳米光子逆向设计技术,建立一个1400 nm的Smith-Purcell辐射器的亚相对论30 keV的电子。我们证明,所得到的硅纳米结构辐射的3倍更高的效率和2.2倍更高的总功率比以前使用的矩形光栅。具有更好的制造精度和相同的电子结构的距离,模拟表明了96倍的峰值效率的优势。虽然提高效率是自由电子辐射器实际应用所需的关键步骤,但逆向设计也允许以人类思维无法达到的方式塑造光谱和空间发射。
2022-01-05 physics.app-ph physics.optics
End-to-End Nanophotonic Inverse Design for Imaging and Polarimetry
通过共同设计一个元光学前端结合图像处理后端,我们证明了噪声灵敏度和紧凑性大大优于光学或计算的方法,说明了两个例子:亚波长成像和重建的多个光源的全偏振相干矩阵。我们的端到端逆设计耦合的完整麦克斯韦方程组的解决方案-利用在亚波长散射体中产生的波物理的所有方面-与逆散射算法在一个单一的大规模优化涉及$\gtrsim 10^4$自由度。所得到的结构散射光的方式,是从根本上不同于传统的透镜或随机的微结构,并抑制噪声灵敏度的逆散射计算的几个数量级。全波物理的解释对于探测被几何光学和标量衍射理论丢弃的光谱和偏振信息尤其重要。
2020-10-10 eess.IV physics.app-ph physics.comp-ph
Deep Neural Network Inverse Design of Integrated Nanophotonic Devices
预测人工结构材料的物理响应对于科学和工程应用特别感兴趣。在这里,我们使用深度学习来预测人工设计的纳米光子器件的光学响应。除了预测任何给定拓扑结构的传输响应的正向近似外,这种方法还允许我们逆近似设计目标光学响应。我们的深度神经网络(DNN)可以在几分之一秒内设计出紧凑的(2.6x2.6 μm2)基于绝缘体上硅(SOI)的1 X 2功率分配器,具有各种目标分束比。该模型经过训练,以最大限度地减少反射(小于20 dB),同时实现最大传输效率(高于90%)和目标分裂规格。这种方法为快速设计依赖于复杂纳米结构的集成光子器件铺平了道路。
2018-09-10 cond-mat.mes-hall physics.app-ph physics.optics
Inverse Design of 3D Nanophotonic Devices with Structural Integrity Using Auxiliary Thermal Solvers
本工作提出一种结合电磁模拟与辅助热扩散求解器的多目标优化方法,用于三维纳米光子器件逆向设计,确保结构完整性,并成功设计了聚焦元件和波导结器件。
2025-03-30 physics.comp-ph physics.optics
Fast 3D Nanophotonic Inverse Design using Volume Integral Equations
University of Southern California(南加州大学);Stanford University(斯坦福大学)
本文提出基于体积积分方程的高效逆设计方法,显著提升计算效率,成功设计了3dB功率分配器、双波长布拉格光栅和选择性模式反射器。
2026-04-08 cs.NA math.NA physics.comp-ph
Free-form inverse design of arbitrary dispersive materials in nanophotonics
本文提出在并行FDTD求解器中结合复共轭极点-留数对模型与伴随方法,实现三维任意色散各向异性光学材料的自由形式逆向设计,并通过间隙场增强问题验证了方法的有效性。
2023-04-29 physics.comp-ph physics.optics
Fabrication-constrained nanophotonic inverse design
将计算设计方法应用于纳米光子器件的主要困难是确保所得到的设计是可制造的。在这里,我们描述了一个一般的逆设计算法的纳米光子器件,直接结合制造约束。为了证明我们的方法的能力,我们设计了一个空间模式解复用器,波长解复用器和定向耦合器。我们还设计和实验证明了一个紧凑的,宽带$1 \times 3$功率分配器上的硅光子平台。分束器具有仅为$3.8 \times 2.5~\mathrm{μm}$的覆盖区,并且完全在典型硅光子工艺的设计规则内,具有$100~\mathrm{nm}$的最小曲率半径。在设计的$1400 - 1700~\mathrm{nm}$波长范围内平均,我们的分路器的插入损耗为$0.642 \pm 0.057 ~\mathrm{dB}$,功率均匀性为$0.641 \pm 0.054~\mathrm{dB}$。
2017-03-25 physics.optics
Fast Nanophotonic Inverse Design using Precomputed Numerical Green Functions
Stanford University(斯坦福大学);University of California, Berkeley(加州大学伯克利分校)
本文首次将预计算数值格林函数方法用于纳米光子逆向设计,通过线性成本计算和低秩更新实现亚毫秒迭代,设计时间加速超三个数量级,可秒级设计新器件。
2026-10-05 cs.NA math.NA physics.comp-ph
Efficient inverse design and spectrum prediction for nanophotonic devices based on deep recurrent neural networks
近年来,纳米光子器件的发展为在纳米尺度上操纵光提供了一种革命性的手段。近年来,人工神经网络在纳米光子器件的逆向设计中显示出了强大的能力。然而,有有限的研究逆设计建模和学习的序列特征的频谱。在这项工作中,我们提出了一种新的基于改进的循环神经网络的深度学习方法,以提取频谱的序列特征,并实现逆设计和频谱预测。该网络的一个关键特征是它所包含的记忆或反馈回路使其能够有效地识别时间序列数据。在纳米棒双曲超材料的背景下,我们证明了目标光谱和预测光谱之间的高度一致性,并且网络学习了关于光谱上反映的结构参数变化的深层物理关系。此外,该模型能够预测一个未知的光谱的基础上,只有0.32%的平均相对误差的已知光谱。我们提出这种方法作为人工神经网络在纳米光子学中应用的有效和准确的替代方案,为快速准确地设计所需器件铺平了道路。
2020-09-26 physics.optics
Versatile Sleeve-and-Bulk Fabrication of Inversely Designed Nanophotonic Structures with High Pattern Transfer Fidelity
University of Delaware(特拉华大学);West Virginia University(西弗吉尼亚大学)
针对逆向设计纳米光子结构难以制造的问题,提出一种通用两步纳米制造工艺,在三种器件中实现超90%的图案转移保真度,无需器件特定优化。
2026-09-15 eess.IV physics.optics
On-Demand Inverse Design for Narrowband Nanophotonic Structures Based on Generative Model and Tandem Network
本文提出将条件变分自编码器与串联网络相结合的统一框架,通过先调整理想目标光谱再预测结构参数,实现窄带及复杂纳米光子结构的鲁棒按需逆向设计,并验证了其高精度与实用性。
2025-07-19 physics.optics
Inverse design of coherent supercontinuum generation using free-form nanophotonic waveguides
针对纳米光子波导几何自由度受非线性随机物理限制的问题,引入逆向设计自由形式Si3N4波导,实现可见到中红外的平坦相干超连续谱。
2023-12-17 physics.optics
Towards nanophotonic optical isolation via inverse design of energy transfer in non-reciprocal media
本文将逆向设计伴随方法推广到非互易介质,提出Faraday-adjoint方法并结合水平集三维拓扑优化,实现点源与观测点间的单向能量传递优化,为集成光子学中的纳米光学隔离奠定基础。
2024-05-01 physics.optics quant-ph
An inverse-designed nanophotonic interface for excitons in atomically thin materials
本研究以六方氮化硼为波导层结合光子逆向设计,构建对接二维材料的纳米光子平台,实现强激子-光子耦合与暗激子高效检测,为相关非线性光学应用铺路。
2023-08-25 physics.optics
Inverse-designed lithium niobate nanophotonics
绝缘体上钛酸锂(LNOI)是一种新兴的光子平台,具有良好的材料特性(如低光学损耗,强非线性和稳定性),并能够实现具有更强光学约束的大规模集成,为未来的光网络,量子处理器和非线性光学系统展示了前景。然而,虽然近年来光子工程已经进入了通过优化的自动化“逆向设计”时代,但LNOI集成光子器件的设计仍然主要依赖于直观模型和低效的参数扫描,限制了可访问的参数空间、性能和功能。在这里,我们开发并实现了一个基于3D梯度的反向设计模型,为LNOI平台的拓扑优化量身定制,它不仅可以有效地搜索一个大的参数空间,但也考虑到实际的制造约束,包括最小特征尺寸和蚀刻侧壁角度。我们实验证明了一个空间模式复用器,波导交叉,和一个紧凑的波导弯曲,所有低插入损耗,微小的足迹,和模拟和实验结果之间的良好协议。这些器件与设计方法一起代表了未来LNOI光子学所需的各种先进器件功能的关键一步,并可以为未来的光链路,量子技术和非线性光学提供紧凑且具有成本效益的解决方案。
2022-12-19 physics.app-ph physics.optics
Deep Inverse-Designed Nanophotonic Processors with Structural Nonlinearity from Repeated Phase Encoding
Department of Electrical;Electronics Engineering, Ko c University, Istanbul, 34450, T\" u rkiye
该研究提出通过重复相位编码在逆设计纳米光子处理器中引入结构非线性,实现功能深度,在MNIST、CIFAR-10等任务上取得优于对照组的分类准确率,为紧凑纳米光子处理器提供了新方案。
2026-08-04 physics.optics
Transcending shift-invariance in the paraxial regime via end-to-end inverse design of freeform nanophotonics
本文提出端到端纳米光子逆向设计方法,结合全麦克斯韦拓扑优化与弹性网络重建算法,设计非平移不变散射结构,使紧凑成像系统突破近轴平移不变性限制,实现高分辨、抗噪声图像重建。
2023-02-03 eess.IV physics.optics
Fabrication-Aware Inverse Design of Nanophotonic Devices for 3D Laser-Nanoprinting
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
本研究提出一种逆向设计方法,明确建模3D激光纳米打印的直接激光写入过程,在实验可用设计空间内优化,可预补偿制造特定效应并利用其提升纳米光子器件功能。
2026-08-20 physics.optics
Inverse-designed nanophotonic neural network accelerators for ultra-compact optical computing
本文提出基于3D-FDTD波基逆向设计的光子神经网络加速器,在超紧凑硅光芯片上实现MNIST和MedNIST分类,准确率分别达89%和90%,并借助GPU并行提升可扩展性。
2025-06-06 eess.SP physics.optics
A Cyclical Deep Learning Based Framework For Simultaneous Inverse and Forward design of Nanophotonic Metasurfaces
针对目标电磁响应的纳米光子超颖表面设计和优化的常规方法涉及探索大的几何形状和材料空间,这在计算上是昂贵的、耗时的并且是基于试错的高度迭代过程。此外,结构设计的非唯一性和电磁响应与设计之间的高度非线性使得该问题具有挑战性。为了将电磁响应与超颖表面结构设计之间的这种非直观关系建模为设计空间中的概率分布,我们引入了一个基于循环深度学习(DL)的框架,用于纳米光子超颖表面的逆向设计。该框架基于DL模型和遗传算法,对作为元表面单元的元原子和元分子的生成进行逆向设计和优化。该框架包括连续的DL模型,模拟数值电磁仿真和迭代优化过程,并生成优化的结构设计,同时执行正向和反向设计任务。通过遗传算法对生成的结构设计进行选择和评估,以构建模拟真实世界响应的期望光学响应和设计空间。重要的是,我们的循环生成框架还探索了新的元表面拓扑空间。作为我们所提出的架构的实用程序的一个示例应用程序,我们演示了基于间隙等离子体激元的半波片超颖表面的逆设计,用于用户定义的光学响应。我们所提出的技术可以很容易地推广到设计纳米光子超颖表面的范围广泛的有针对性的光学响应。
2020-05-26 eess.IV physics.optics
Inverse Design in Nanophotonics via Representation Learning
本文综述了纳米光子学逆向设计中基于表示学习的机器学习方法,分为输出端和输入端两类,并探讨了混合框架的优势及未来挑战。
2025-10-14 cs.AI cs.LG physics.app-ph
Simultaneous inverse design of materials and parameters of core-shell nanoparticle via deep-learning: Demonstration of dipole resonance engineering
最近引入的基于深度学习技术的数据驱动方法通过允许有效的逆向设计方法彻底改变了纳米光子学领域。本文首次利用神经网络的深度学习实现了核壳纳米粒子材料和结构参数的同时逆设计。开发和训练了一个神经网络来学习电偶极子和磁偶极子的消光光谱与核-壳纳米颗粒设计(包括材料信息和壳厚度)之间的相关性。我们展示了核-壳纳米粒子的深度学习辅助逆向设计,用于1)光谱调谐电偶极子共振,2)寻找光谱隔离的纯磁偶极子共振,以及3)寻找光谱重叠的电偶极子和磁偶极子共振。我们的发现通过允许实际利用深度学习技术进行纳米光子逆向设计,为纳米光子学的快速发展铺平了道路。
2019-04-05 physics.optics
MOCLIP: A Foundation Model for Large-Scale Nanophotonic Inverse Design
MOCLIP是一种用于大规模纳米光子反向设计的基础模型,通过对比学习在共享潜在空间中整合超表面几何和光谱,实现高通量零样本预测和高密度信息存储。
2026-08-25 cs.AI physics.optics
Gradient-Informed Bayesian and Interior Point Optimization for Efficient Inverse Design in Nanophotonics
Institute of Information Processing, Leibniz University Hannover(莱比锡洪堡大学信息处理研究所);Flexcompute, Watertown, MA, USA(Flexcompute公司);Institute of Artificial Intelligence, Leibniz University Hannover(莱比锡洪堡大学人工智能研究所);L3S Research Center, Hannover, Germany(L3S研究中心)
本文提出BONNI算法,结合贝叶斯优化和内点优化,通过高效利用梯度信息提升纳米光子学反向设计效率,实现更优的分布式布拉格反射器和双层耦合器设计。
2026-03-25 cs.LG physics.optics
Neural network inverse design of nanophotonic scintillators
Technion – Israel Institute of Technology(以色列理工学院);Institute for Instrumentation in Molecular Imaging (I3M), CSIC-Universitat Politècnica de València(分子成像仪器研究所,西班牙瓦伦西亚理工大学);E.L. Ginzton Laboratory, Stanford University(斯坦福大学);Institute of Science and Technology Austria (ISTA)(奥地利科学技术研究院)
提出物理信息神经网络学习闪烁体级联过程,结合光子模拟实现端到端可微优化,用于X射线成像的纳米光子闪烁体逆向设计。
2026-06-16 physics.optics quant-ph
IDToolkit: A Toolkit for Benchmarking and Developing Inverse Design Algorithms in Nanophotonics
Nanjing University(南京大学);Nanjing University of Science and Technology(南京理工大学)
本文提出IDToolkit基准工具包,涵盖辐射冷却器等三类纳米光子逆向设计问题,并公平比较10种算法,为科学设计研究提供可复现平台并揭示未来改进方向。
2023-05-31 cs.AI cs.LG physics.optics
Spectral domain inverse design for accelerating nanocomposite metamaterials discovery
纳米光子学背景下的逆向设计技术有助于发现紧凑和反直觉的结构/形状。我们引入了谱域逆设计的概念来搜索纳米复合超材料的光学交换空间(色散介电常数)。我们开发了一种混合优化技术,结合遗传算法和梯度下降法。我们利用这种技术来逆向设计超薄热光伏发射器涂层材料。我们的工作可以导致一个有效的方法来寻找新的多功能光学/热超材料与所需的复介电常数。
2019-11-19 physics.app-ph physics.comp-ph physics.optics
Inverse-Designed Silicon Nitride Nanophotonics
Max Planck Institute for the Science of Light(马克斯·普朗克光科学研究所);Friedrich-Alexander Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡大学);Technical University of Denmark(丹麦技术大学);John A. Paulson School of Engineering and Applied Sciences, Harvard University(哈佛大学约翰·A·保尔森工程与应用科学学院);Massachusetts Institute of Technology(麻省理工学院);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));SPINS Photonics Inc(SPINS光子有限公司)
本文采用逆向设计方法在氮化硅平台上实现光子器件,并通过实验验证了波长和空间模式维度上的光操控,展示了高Q值谐振器及片上非线性与量子光学的潜力。
2025-05-19 physics.optics
Transfer learning-assisted inverse modeling in nanophotonics based on mixture density networks
Uppsala University(乌普萨拉大学);Science for Life Laboratory, Uppsala University(乌普萨拉大学生命科学实验室);Vrije Universiteit Brussel(布鲁塞尔自由大学);Flanders Make(弗兰德斯制造)
针对纳米光子结构仿真计算成本高、混合密度网络逆建模存在需预设解数量上限、联合优化成本高且数值不稳定等问题,提出迁移学习增强的混合密度网络逆建模方法,在保持高精度的同时克服局限,经数值验证有效。
2024-05-21 cs.LG physics.optics
Dimension expansion for simulation-efficient nanophotonic neural networks
Stevens Neuroimaging and Informatics Institute, University of Southern California(南加州大学史蒂恩斯神经影像与信息学研究所);Department of Biomedical Engineering, University of Southern California(南加州大学生物医学工程系);Department of Electrical and Computer Engineering, University of Southern California(南加州大学电气与计算机工程系);Yale University(耶鲁大学)
提出维度扩展网络(DEN),通过将低维目标参数映射为高维条件表示,结合可微电磁仿真实现无监督端到端纳米光子逆向设计,在金属透镜和Y型分束器上减少约50%仿真成本并泛化至连续目标空间。
2026-06-23 eess.IV physics.optics
Illustrated tutorial on global optimization in nanophotonics
本文为纳米光子学逆向设计提供全局优化图解教程,涵盖算法背景、方法论、推荐算法及在线可运行代码,并利用物理直觉评估优化结果。
2024-02-05 physics.comp-ph physics.optics
Enhancing Adjoint Optimization-based Photonics Inverse Design with Explainable Machine Learning
光子器件和电磁结构设计中的一个基本挑战是优化其整体架构以实现所需的响应。为此,拓扑或形状优化的基础上的伴随变量方法已被广泛采用,由于其高计算效率和能力,以创建复杂的自由几何形状。然而,对这种自由形式结构的功能理解仍然是一个黑匣子。此外,除非预先知道高性能器件的设计空间,否则这种基于梯度的优化器可能陷入局部最小谷或鞍点,这限制了通过这种逆设计过程可实现的性能。为了阐明器件性能和纳米级结构之间的关系,同时减轻局部最小值捕获的影响,我们提出了一个逆设计框架,结合了伴随优化,自动机器学习(AutoML)和可解释的人工智能(XAI)。结合数值电磁学模拟方法,我们的框架揭示了结构对品质因数(FOM)的贡献。通过基于迭代的再优化过程,利用这些信息来最小化FOM,比单独通过伴随优化获得的FOM更进一步,从而克服优化的局部最小值。我们在波导设计的背景下展示了我们的框架,并在电信波长范围内实现了器件性能相对于最先进的基于伴随优化的逆设计的39%至74%的增长。因此,这项工作的结果突出了机器学习策略,可以大大扩展和增强传统的基于优化的逆向设计算法的能力,同时揭示了对算法设计的更深入的见解。
2022-04-25 physics.comp-ph physics.optics
Neural-adjoint method for the inverse design of all-dielectric metasurfaces
全电介质超颖表面表现出奇异的电磁响应,类似于金属基超颖材料。目前,全电介质超颖表面的研究使用相对简单的单胞设计,但几何复杂性的增加可能会产生更大的散射状态。尽管机器学习最近已被应用于元表面的设计,并取得了令人印象深刻的结果,但寻找产生所需光谱的几何形状这一更具挑战性的任务在很大程度上仍未解决。我们探索并调整了最近的深度学习方法-称为神经伴随-并发现它能够准确有效地估计产生目标频率相关散射所需的复杂几何形状。我们还展示了神经伴随方法如何智能地增长设计搜索空间,包括越来越多的设计,准确地近似所需的散射响应。神经伴随方法不限于所展示的情况,并且可以应用于等离子体激元、光子带隙和其他结构材料系统。
2020-12-09 physics.app-ph physics.optics
Physics-informed reinforcement learning for sample-efficient optimization of freeform nanophotonic devices
提出物理信息强化学习(PIRL)方法,结合伴随法与强化学习优化自由形态纳米光子器件,提高样本效率并克服局部极小值,在超表面光束偏转器设计中展现更优性能。
2023-06-07 physics.comp-ph physics.optics
Hybrid Supervised and Reinforcement Learning for the Design and Optimization of Nanophotonic Structures
University of California, Los Angeles(加利福尼亚大学洛杉矶分校);Northrop Grumman Corporation(诺斯罗普·格鲁曼公司);California NanoSystems Institute(加州纳米系统研究所)
从更高的计算效率到能够发现新颖复杂的结构,深度学习已经成为设计和优化纳米光子电路和组件的强大框架。然而,数据驱动和基于探索的机器学习策略对于纳米光子逆设计的有效性都有局限性。受监督的机器学习方法需要大量的训练数据来产生高性能模型,并且由于设计空间的复杂性,难以推广到训练数据之外。另一方面,无监督和基于强化学习的方法可能会有非常长的训练或优化时间。在这里,我们展示了一种混合监督学习和强化学习的方法来逆向设计纳米光子结构,并表明这种方法可以减少训练数据的依赖性,提高模型预测的泛化能力,并缩短探索性训练时间的数量级。因此,所提出的策略解决了许多当代基于深度学习的挑战,同时为新的设计方法打开了大门,这些方法利用多类机器学习算法为光子设计产生更有效和实用的解决方案。
2022-09-08 cs.LG physics.optics
Intelligent Nanophotonics: Merging Photonics and Artificial Intelligence at the Nanoscale
在过去的二十年里,纳米光子学一直是一个活跃的研究领域,这是由于人们对探索纳米级光的新物理和技术的兴趣日益浓厚。随着对性能和集成度要求的不断提高,纳米光子器件的设计和优化变得计算量大且时间效率低。先进的计算方法和人工智能,特别是其机器学习子领域,已经在许多应用中取得了革命性的发展,例如网络搜索,计算机视觉和语音/图像识别。复杂的模型和算法有助于以高效的方式利用巨大的参数空间。在这篇综述中,我们总结了纳米光子学和机器学习融合的新兴领域的最新进展。我们提供了不同的计算方法的概述,重点是深度学习,用于纳米光子逆设计。还讨论了使用光子平台实现深度神经网络。这篇评论旨在勾勒出一个例子的纳米光子设计与机器学习,并给出了未来的任务的观点。
2019-01-25 physics.optics
A newcomer's guide to deep learning for inverse design in nano-photonics
本文为纳米光子学逆向设计的新手提供深度学习入门指南,涵盖基本概念、工作流程、设计指南及多种技术评估,并附Python示例,旨在帮助研究者避免常见障碍并有效应用深度学习。
2023-11-06 physics.comp-ph physics.optics
Two-Stage Deformable-Convolutional Inverse Design of Nanophotonic Absorbers from Optical Spectra
University of Electronic Science and Technology of China(电子科技大学);King Fahd University of Petroleum & Minerals(法赫德国王石油与矿产大学)
该研究提出两阶段可变形卷积框架,结合监督初始化与对抗优化,从80维吸收光谱重构金属-绝缘体-金属谐振器几何,在多指标上优于多种卷积方法,实现了更优的光谱条件下几何重构。
2026-08-13 cs.AI cs.CV physics.optics
Machine Learning to Foundation Models: Artificial Intelligence for Nanophotonic Modeling and Scientific Discovery
Boston College(波士顿学院);Columbia University(哥伦比亚大学);Carnegie Mellon University(卡内基梅隆大学);Washington University School of Medicine(华盛顿大学医学院)
本综述梳理了纳米光子学领域AI从机器学习到基础模型的发展,介绍了相关平台、问题与方法,分析了当前基础模型的局限并展望了多模态模型的未来方向。
2026-08-25 physics.optics
Inverse Design of Perfectly-Matched Metamaterials Via Circuit-Based Surrogate Models and the Adjoint Method
本文提出将完美匹配超材料(PMMs)与逆向设计相结合以实现宽带器件,利用无反射折射效应实现真正时延性能,并通过紧凑宽带波束准直器和多输入多输出波束形成器两个设计示例验证了其潜力。
2025-05-03 physics.app-ph physics.optics
Adjoint inverse design of microresonator frequency combs
Laboratoire Temps-Fréquence, Université de Neuchâtel(时间频率实验室,纳沙泰尔大学)
提出基于伴随方法的逆向设计框架,直接优化微谐振器频率梳的频谱以满足预定义目标,通过三个挑战性问题展示其高效性和灵活性。
2026-05-22 nlin.PS physics.comp-ph physics.optics
Fundamental Limits of Nanophotonic Design
本论文建立涵盖一般线性波散射动力学的通用理论框架,利用极化场物理约束推导纳米光子多类应用的设计基本极限。
2023-08-16 physics.optics
Merging automatic differentiation and the adjoint method for photonic inverse design
本文提出融合自动微分与伴随法的混合光子逆向设计方法,使现有数值求解器可微并接入机器学习框架,通过纳米腔磁偶极子 Purcell 因子和 μLED 光提取效率优化验证其有效性。
2023-09-27 physics.comp-ph physics.optics
Multiplexed Supercell Metasurface Design and Optimization with Tandem Residual Networks
复杂的纳米光子结构具有为一系列应用提供精致定制的光学响应的潜力。例如,布置在超晶胞中的金属-绝缘体-金属(MIM)超颖表面可以通过几何形状和材料选择来定制,以表现出各种吸收特性和谐振波长。然而,这种灵活性带来了一个巨大的设计可能性空间,经典设计范式难以有效地导航。为了克服这一挑战,在这里,我们展示了一种串联残差网络方法,通过逆向设计有效地生成多路复用的超级单元。通过在超过3万亿种可能设计的设计空间中使用具有数千个全波电磁仿真的训练数据集,深度学习模型可以在给定光谱目标的情况下准确地生成各种复杂的超级电池设计。除了逆向设计,所提出的方法也可以用来探索宽带吸收和发射在这样的超级电池配置的结构-性能关系。因此,这项研究证明了使用深度神经网络进行高维超原胞逆设计的可行性,该设计适用于由可能表现出耦合的多个子单元组成的复杂纳米光子结构。
2020-12-14 physics.app-ph physics.optics
Adjoint method and inverse design for diffractive beam splitters
具有大衍射角的衍射光学元件需要低至亚波长尺寸的特征尺寸,这需要严格的电磁计算模型来进行计算。然而,这些衍射元件的计算优化通常受到大量设计参数的限制,由于计算时间长,使得参数优化实际上是不可能的。伴随方法只需两次电磁模拟即可计算目标函数相对于所有设计变量的梯度,从而实现梯度优化。在这里,我们提出了用于建模广角衍射光学元件的伴随方法,例如具有最大53°衍射角的7x7分束器和非正方形5x7阵列生成分束器。优化后,我们得到的分束器设计的均匀性误差分别为16.35%(7x7)和6.98%(5x7)。在回顾了基于我们设计的元件的实验结果后,我们发现伴随优化方法是一种优秀的和快速的方法来设计广角衍射扇出分束器。
2020-01-14 physics.optics
A neural operator-based surrogate solver for free-form electromagnetic inverse design
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);University of Tartu(塔尔图大学)
神经运算符已经成为在科学机器学习背景下求解偏微分方程的强大工具。在这里,我们实现和训练修改后的傅立叶神经算子作为电磁散射问题的代理求解器,并比较其数据效率现有的方法。我们进一步展示了它在基于梯度的纳米光子逆向设计中的应用,自由形式的全三维电磁散射体,这是一个迄今为止尚未应用深度学习技术的领域。
2023-03-28 cs.LG physics.comp-ph physics.optics
Inverse design method for periodic and aperiodic metasurfaces based on the adjoint-method: metalens with random-like distributed nano-rods
本文提出一种基于伴随法的低参数几何拓扑优化方法,通过调整纳米棒宽度与位置,将计算时间降低约一个数量级,并成功设计周期性超光栅和非周期金属透镜。
2021-03-03 physics.comp-ph physics.optics
Multi-objective Inverse Design of Solid-state Quantum Emitter Single-photon Sources
单固态量子发射器为实现不可区分的单光子源提供了相当大的潜力,这是许多光子量子信息系统的核心。具有多个性能指标的纳米光子几何优化对于将裸量子发射器转换为接近量子光子学的必要纯度、不可分割性和亮度水平的单光子源是必要的。我们提出了一种逆向设计方法,同时针对高性能量子光源的两个重要指标:Purcell辐射率增强和耦合效率到所需的光收集通道。我们明确地解决几何相关的功率发射,一个关键的,但往往被忽视的方面,基于梯度的优化量子发射器单光子源。我们通过基于GaAs纳米光子结构中的量子发射器的单光子源的设计说明了我们的方法的功效,该GaAs纳米光子结构提供了具有94%波导耦合效率的Purcell因子$F_p=21$,同时尊重几何约束以最小化蚀刻侧壁的发射器退相干。我们的研究结果表明,多目标逆向设计可以产生更有利的权衡比传统的方法的基础上预先建立的波导或腔的几何形状的竞争力的性能。
2022-06-02 cond-mat.mes-hall cond-mat.mtrl-sci physics.app-ph
Imaging the field inside nanophotonic devices
Technion – Israel Institute of Technology(以色列理工学院);Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)(埃尔朗根-纽伦堡弗里德里希·亚历山大大学);University of Cambridge(剑桥大学)
本文提出了一种新型显微方法,用于测量纳米光子加速器内部的场分布,揭示了其复杂的3D场分布特征,为高精度纳米光子器件的发展提供了关键支持。
2022-09-28 physics.acc-ph physics.optics