迈向机器学习加速设计全介电磁光子纳米结构的加速设计

科学领域:

• 纳米光子学 纳米光子学
• 磁光光子学 是一个磁光光子学.
• 机器学习 机器学习

背景情况:

• 全介电磁光子纳米结构为集成设备提供高分辨率和灵敏度.
• 目前的设计方法依赖于计算密集的模拟和试错.

研究的目的:

• 开发一种机器学习方法,以加速磁光子纳米结构的设计.
• 为了使光学属性的快速预测能够用于设备优化.

主要方法:

• 使用了12170个纳米结构样本的数据集,具有几何参数和发生波长.
• 神经网络和多项式回归算法被训练来预测横向磁光克尔效应 (TMOKE).

主要成果:

• 机器学习模型在10-3秒内预测了TMOKE振幅,平均平方误差低于4.2%.
• 该方法确定了适用于超低分析剂度传感的纳米结构.
• 一个纳米光子网格在传感应用中显示出672 RIU^-1的优点.

结论:

• 机器学习显著加快了磁光子纳米结构的设计周期.
• 开发的模型为评估实验可行性和优化设备性能提供了实用工具.