深度学习模型用于全介电元面的动态色彩设计

科学领域:

• 纳米光子和元表面
• 计算电磁学 计算机电磁学
• 材料科学 材料科学 材料科学

背景情况:

• 纳米结构使得高分辨率的结构颜色能够超越传统的颜料.
• 地表表面的颜色是由单元细胞几何和折射率匹配的层参数决定的.
• 设计特定的颜色涉及复杂的参数相互作用,挑战传统的计算方法.

研究的目的:

• 开发一种用于精确预测和设计纳米结构颜色的计算方法.
• 用一种高效的神经网络模型取代耗时的电磁模拟.
• 为了使结构颜色能够以高精度进行动态调整.

主要方法:

• 实现一个协同的神经网络,包括一个前向网络,具有功能交叉条款,用于准确的色彩预测.
• 在动态调整过程中利用网络预测相应层的折射率和高度.
• 通过利用激活函数特征来解决反向网络融合问题.

主要成果:

• 前进网络在L,a,b颜色空间中实现了预测结构颜色的平均颜色差异为1.38.
• 该网络准确地预测了动态色调的折射率和高度.
• 反向网络显示颜色差异仅为2.22,适合商业应用.

结论:

• 双重神经网络为设计纳米结构颜色提供了一个高度准确和高效的方法.
• 开发的方法促进了动态色调,并满足商业应用的要求.
• 这种计算策略克服了超表面色彩设计中传统方法的局限性.