深層学習と遺伝的アルゴリズムを用いた計算用多波長メタサーフェスの逆設計とスペクトル再構成

科学分野:

• 光学およびフォトニクス
• 材料科学
• 計算科学

背景:

• 長波赤外（LWIR）スペクトル用の計算用多波長メタサーフェスの設計は、スペクトル伝達特性の相関が最小限のものを達成することが困難であるため、困難です。
• 従来の.,.方法は、定義済みの材料とジオメトリに依存しており、スペクトル応答最適化を制限します。
• ガリウムアンチモン（GaSb）は、光学損失が少なく、屈折率が高く、半導体製造との互換性があるため、LWIRアプリケーションにとって有望な材料です。

研究 の 目的:

• LWIR領域におけるガリウムアンチモン（GaSb）ベースのフォトニック結晶メタサーフェスの最適化のためのエンドツーエンド逆設計フレームワークを提案および検証すること。
• 特定のスペクトル特性を持つメタサーフェスの設計におけるハイブリッド深層学習と遺伝的アルゴリズムの応用を調査すること。
• コンパクトで効率的な計算用多波長メタサーフェスシステムの迅速なプロトタイピングを可能にすること。

主な方法:

• 深層ニューラルネットワークと遺伝的アルゴリズムを組み合わせたエンドツーエンド逆設計フレームワークを開発しました。
• 深層ニューラルネットワークは、望ましい構造的特徴を持つフォトニック結晶の幾何学的パラメータをエンコードするために使用されました。
• 遺伝的アルゴリズムは、逆モデルに供給されて対応するジオメトリを予測するための低相関スペクトルを選択しました。

主要な成果:

• フレームワークは、LWIRメタサーフェス用のGaSbベースのフォトニック結晶構造を正常に最適化しました。
• 逆設計モデルは、スペクトル応答再構成において10^{-3}程度の平均二乗誤差（MSE）を達成しました。
• 開発された手法は、計算用多波長メタサーフェスシステムの迅速なプロトタイピングソリューションを提供します。

結論:

• 提案されたハイブリッド深層学習および遺伝的アルゴリズムフレームワークは、LWIRメタサーフェスを設計するための効率的な方法を提供します。
• このアプローチは、コンパクトで効率的な計算用多波長メタサーフェスシステムの開発を大幅に進歩させます。
• このフレームワークは、メタサーフェス設計および製造におけるリソース制約のあるシナリオの可能性を示しています。