概括
我们开发了一种深度学习方法,用于设计高效的斜波导网格,用于虚拟现实近视屏. 这种方法优化了格子性能,并迅速确定了结构参数,加速了VR显示器的开发.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算机科学 计算机科学
- 材料科学 材料科学 材料科学
背景情况:
- 虚拟现实 (VR) 接近眼睛的显示器越来越多地使用衍射光学元件.
- 倾斜的波导网格对于这些显示器中高效的光合至关重要.
- 目前用于网格的设计方法可能是复杂和耗时的.
研究的目的:
- 开发一种自动化和高效的方法来设计倾斜波导网格.
- 利用深度学习来实现光学元件的反向设计.
- 为了优化网格性能多波长和各种事件角度.
主要方法:
- 提出了一个合神经网络 (TNN),结合一个基于生成流的可逆神经网络和一个完全连接的神经网络.
- 采用深度学习驱动的逆向设计来进行格子优化.
- 优化了红色,绿色和蓝色光束的合效率,在0°-15°的入射角度.
主要成果:
- 达到接近100%的峰值透射率,平均透射率为92%,照明均度为98%.
- 成功推断了网格结构参数在毫秒到秒的时间内反向推断.
- 证明了TNN在多波长优化方面的能力.
结论:
- 拟议的TNN为斜波导网格提供了一种高效,快速的反向设计解决方案.
- 这种深度学习方法可以显著加快先进的VR近眼显示器组件的开发.
- 该方法为设计各种类型的波导网格提供了一个范式.
