对生物灵感优化算法的全面审查,包括微电子和纳米光子学中的应用
Zoran Jakšić1, Swagata Devi2, Olga Jakšić1
1Center of Microelectronic Technologies, Institute of Chemistry, Technology and Metallurgy, National Institute of the Republic of Serbia University of Belgrade, 11000 Belgrade, Serbia.
Biomimetics (Basel, Switzerland)
|July 28, 2023
概括
这篇评论探讨了生物启发的多参数优化算法,这对于推进人工智能应用至关重要. 它对方法进行了分类,并详细介绍了它们在微电子和纳米光子学中的应用.
科学领域:
- 计算机科学,人工智能 人工智能
- 工程,电气和电子工程.
- 应用物理,应用物理.
背景情况:
- 人工智能 (AI) 越来越多地融入日常生活.
- 仿生/生物启发的算法对于各个领域的多参数优化至关重要.
- 由于人工智能研究的快速发展性质,快速的进步需要更新的审查.
研究的目的:
- 为多参数优化提供生物灵感算法的当前概述.
- 为了分类现有的生物灵感优化方法,解决文献中的稀缺性和矛盾.
- 详细介绍该领域的突出和最新的方法.
主要方法:
- 生物启发的多参数优化技术的文献综述和分类.
- 详细描述既有和新的算法.
- 探索微电子和纳米光子学中的应用.
主要成果:
- 生物启发的多参数优化方法的拟议分类.
- 深入讨论关键算法及其最近的发展.
- 分析微电子 (例如电路设计) 和纳米光子学 (例如反向设计) 中的算法实用性.
结论:
- 生物启发的算法对于AI中复杂的优化任务至关重要.
- 该综述提供了对这些方法及其应用的结构化理解.
- 这项调查是研究人员和对人工智能和相关工程领域感兴趣的个人独立的资源.
关键词:
人工智能的人工智能是人工智能.生物启发的计算方法深度学习是一种深度学习.遗传算法 遗传算法听算法 (Metaheuristic Algorithms) 是一种算法,可以通过metasurfaces 是一个地表.微电子技术的微电子多参数优化多参数优化纳米电子学纳米电子学纳米光子学 纳米光子学
