基于深度学习的近距离成像和远距离全息图像的 chiral metasurface
Yihang Qiu1,2, Sixue Chen1,2, Zheyu Hou1,2
1School of Information and Communication Engineering, Hainan University, Haikou 570228, China.
Micromachines
|July 8, 2023
概括
这项研究引入了一种深度学习方法,用于设计合元表面,实现高圆二元化 (CD) 值. 这种方法成功地展示了可见全息成像,验证了反向设计方法.
科学领域:
- 光学和光子学 在光学和光子学.
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 状元表面对于先进的全息技术至关重要,但在需求时设计它们仍然是一个重大挑战.
- 机器学习,特别是深度学习,越来越多地用于超表面设计.
- 现有的方法在实现精确控制性地表结构方面存在局限性.
研究的目的:
- 开发和验证基于深度学习的反向设计方法,用于按需的合元表面制造.
- 为了在设计的性元表面中实现高圆二元化 (CD) 值.
- 为了展示设计的超表面的全息成像能力.
主要方法:
- 利用深度神经网络 (DNN) 来实现性元表面的反向设计.
- 训练DNN以达到0.03.的低平均绝对误差 (MAE).
- 标志着制造的超表面的静态和全息性能.
主要成果:
- 成功设计了一种具有圆形二元化 (CD) 值超过0.4.4的奇拉性超表面.
- 在深度学习模型中实现了0.03的平均绝对误差 (MAE).
- 证明了清晰可见的全息成像,图像距离为3000微米.
结论:
- 深度学习的反向设计方法是可行的和有效的,用于创建的元表面.
- 设计的超表面显示高CD值,并使高质量的全息成像成为可能.
- 这项工作为按需设计和制造先进的奇拉光学设备铺平了道路.
