最近在超表面设计和量子光学应用中的进展与机器学习,基于物理的神经网络和拓优化方法的应用
Wenye Ji1, Jin Chang2, He-Xiu Xu3
1Department of Imaging Physics, Delft University of Technology, Lorentzweg 1, 2628 CJ, Delft, The Netherlands.
Light, science & applications
|July 7, 2023
概括
像机器学习这样的智能方法正在彻底改变地表设计,克服了先进的波浪前线控制传统方法的局限性. 本综述探讨了人工智能驱动的技术,用于量子光学中增强的超表面应用.
科学领域:
- 地表表面设计设计.
- 电磁波操纵是一种电磁波操纵.
- 量子光学就是一个量子光学.
背景情况:
- 超表面可以精确控制电磁波前线.
- 传统的超表面设计方法 (例如,FDTD) 是耗时的,并且由于边界条件不匹配和合效应而存在不准确性.
- 在理想的元原子光谱和实际实施之间实现一致性仍然是一个挑战.
研究的目的:
- 审查和讨论用于超表面设计的代表性智能方法.
- 分析这些先进技术的原则,优势和局限性.
- 为了突出量子光学应用的超表面的近期进展.
主要方法:
- 机器学习方法的介绍和讨论.
- 关于物理信息的神经网络 (PINNs) 的阐述.
- 探索用于超表面设计的拓优化方法.
主要成果:
- 与传统技术相比,智能方法提供了更快,更准确的超表面设计.
- 机器学习,PINNs和拓优化解决了前预测算法的局限性.
- 最近的进展表明了量子光学中启用元表面的潜力.
结论:
- 智能设计方法代表了地表工程的重大进步.
- 这些方法为未来量子光学和元材料研究提供了有希望的方向.
- 该综述是该领域研究人员的宝贵参考资料.
