Diseño de metasupeficies de haz de vórtice de terahercios asistido por red neuronal profunda bidireccional

Área de la Ciencia:

• Óptica y Fotónica
• Metamateriales
• Inteligencia Artificial

Sus antecedentes:

• Los haces de vórtice ofrecen alta capacidad de comunicación, crucial para las aplicaciones 6G.
• El diseño tradicional de metasuperficies de terahercios es lento e ineficiente.
• Las metasuperficies transmisivas totalmente dieléctricas son clave para las aplicaciones de terahercios.

Objetivo del estudio:

• Desarrollar un método eficiente para diseñar metasuperficies de haz de vórtice transmisivas totalmente dieléctricas.
• Aprovechar las redes neuronales profundas para el diseño rápido de unidades de metasuperficie.
• Validar experimentalmente el rendimiento de las metasuperficies diseñadas.

Principales métodos:

• Se propuso un enfoque de red neuronal profunda (DNN) bidireccional.
• Se diseñaron y fabricaron metasuperficies de haz de vórtice transmisivas totalmente dieléctricas utilizando impresión 3D.
• Se entrenó la DNN para predecir los coeficientes de fase y transmisión para las unidades de metasuperficie.

Principales resultados:

• Se generaron con éxito haces de vórtice de terahercios con una carga topológica de l=-2.
• La DNN predijo los parámetros de la unidad de metasuperficie en solo 4 microsegundos.
• Se redujo significativamente la complejidad del diseño, el tiempo y los recursos computacionales.

Conclusiones:

• El enfoque de DNN bidireccional ofrece una vía eficiente para el desarrollo de metasuperficies de terahercios.
• Este método acelera el ciclo de diseño de metasuperficies ópticas.
• Permite la creación rápida de prototipos y la aplicación de haces de vórtice de terahercios.