相关实验视频
Updated: Jun 29, 2026
06:05
Additive Manufacturing-Enabled Low-Cost Particle Detector
Published on: March 24, 2023
1.2K
机器学习优化可见光子学增材制造的增材制造
Andrew Lininger1, Akeshi Aththanayake1, Jonathan Boyd1
1Department of Physics, Case Western Reserve University, 2076 Adelbert Rd., Cleveland, OH 44106, USA.
Nanophotonics (Berlin, Germany)
|December 5, 2024
概括
基于物理的机器学习通过将物理定律集成到设计中来增强纳米光子学的增材制造. 这种方法克服了当前模拟方法的局限性,导致了优化的光学设备.
科学领域:
- 光学和光子学 在光学和光子学.
- 材料科学是一种材料科学.
- 计算物理学的计算物理.
背景情况:
- 增材制造 (AM) 对于创建先进的纳米光子设备至关重要.
- 目前的模拟和优化方法缺乏必要的物理集成,阻碍了AM采用.
- 这导致在制造的纳米光子系统中的光学性能低于最佳.
研究的目的:
- 在纳米光子学中解决目前对AM的模拟和优化方法的局限性.
- 提出基于物理学的设计和优化,作为增强设备性能的解决方案.
- 突出物理知情机器学习 (PIML) 在这个领域的潜力.
主要方法:
- 开发纳米光子学的基于物理的设计框架.
- 将已知的物理原理和约束纳入设计过程.
- 使用由物理定律 (PIML) 告知的机器学习算法.
主要成果:
- PIML方法可以将基本物理直接纳入设计框架.
- 这种方法克服了缺乏物理意识模拟所造成的障碍.
- 它可以创建具有改进光学响应的纳米光子设备.
结论:
- 基于物理学的设计和优化,特别是PIML,非常适合用于先进的纳米光子制造.
- 将物理纳入设计过程是克服当前局限性的关键.
- 这种方法有望提高纳米光子学中增材制造的性能和采用.
更多相关视频
04:32Author Spotlight: Quantitative Characterization of Liquid Photosensitive Bioink Properties for Continuous Digital Light Processing Based Printing
Published on: April 14, 2023
825
07:14Microfabrication of Implantable Optics Integrated in a Microstructured Imaging Window for Advanced In Vivo Imaging
Published on: April 11, 2025
424
