概括
这项研究使用深度学习来设计特定光谱反应的多层薄膜. 该方法可以快速设计具有高排放性的结构,从而实现高效的热发射器应用.
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:
- 多层薄膜对于热光伏系统中的热发射器至关重要.
- 优化光谱响应需要复杂的设计与许多层,提出逆设计挑战.
- 传统的方法与多层结构的细微光谱反向设计作斗争.
研究的目的:
- 开发一种深度学习架构,用于自动建模和优化多层薄膜结构.
- 为了能够快速设计几何参数以获得理想的光谱响应.
- 为满足对具有高性能的特定光谱发射器的需求.
主要方法:
- 提出了深度学习架构,用于反向设计多层薄膜结构.
- 利用深度学习进行结构参数的快速反向工程.
- 实验性地制造和测量了一种八层SiO2 / Ti薄膜结构,使用磁铁喷射.
主要成果:
- 通过深度学习成功逆向设计了一个八层SiO2 / Ti和SiO2 / W薄膜结构.
- 在近红外频段实现了具有超过0.8的辐射率的结构设计.
- 在实验中验证了一种八层SiO2/Ti薄膜,在1-4μm频段的发射率>0.68.
结论:
- 深度学习为目标光谱发射率结构参数的逆设计提供了有效的解决方案.
- 开发的方法为设计光学纳米光子结构提供了一个新的范式.
- 这项研究对热成像,热调节和微纳米结构设计有影响.
