概括
人工神经网络 (ANN) 能够预测光学力,并设计低波长格子 (SWG) 波导,以有效地捕捉粒子. 这种方法显著减少了设计时间,并提高了纳米光子应用的捕获性能.
科学领域:
- 纳米光子学 纳米光子学
- 光学陷的捕捉方式
- 计算物理学的计算物理.
背景情况:
- 与传统的纳米光子波导相比,亚波长格子 (SWG) 波导在光学粒子捕获方面提供了更高的灵敏度和工作距离.
- 为了获得最佳的捕获性能,SWG结构的高效设计需要大量的计算和时间.
研究的目的:
- 开发和应用人工神经网络 (ANN) 来预测光学力和逆向设计SWG波导结构以捕捉粒子.
- 显著减少高性能光学陷设备的设计时间.
主要方法:
- 培训ANN用于对50nm粒子的光学力进行预测.
- 使用ANN用于SWG波导体几何形状的反向设计.
- 通过模拟捕获性能来验证设计的SWG波导.
主要成果:
- 在预测光学力和波导体几何学方面,ANN实现了2.8 × 10−4的低平均平方误差 (MSE).
- 设计的SWG波导表表现出显著的捕获性能,力为-40.39 pN,在y方向最大的捕获潜力为838.16 kBT.
- 神经网络模型成功设计了SWG,在x,y和z方向具有高捕获能力.
结论:
- ANNs提供了一种高效准确的方法,用于用于光学粒子捕捉的SWG波导的反向设计.
- 开发的方法加快了设计过程,使得快速创建高性能陷设备.
- 这项工作突出了ANN在推动粒子操纵和其他纳米光子应用的光学设备设计方面的潜力.
