基于深度学习的Metalens色彩路由器的设计,用于RGB-NIR传感
Hua Mu1, Yu Zhang1, Zhenyu Liang1
1State Key Laboratory of Pulsed Power Laser Technology, College of Electronic Engineering, National University of Defense Technology, Hefei 230037, China.
Nanomaterials (Basel, Switzerland)
|December 17, 2024
概括
这项研究介绍了一种高效的metalens设计,用于使用深度学习和粒子群集优化的彩色路由器. 新型金属线有效地将可见光与近红外光分离,光学效率为40%.
科学领域:
- 光学和光子学 在光学和光子学.
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 金属镜头提供先进的光调节功能.
- 传统的metalens设计是计算密集且耗时的.
- 现有的色彩分离方法往往缺乏高光学效率.
研究的目的:
- 开发一种高效的基于金属的彩色路由器.
- 为了克服传统金属设计方法的局限性.
- 为了实现从可见光到近红外光的宽带光谱分离.
主要方法:
- 提出了一个深度学习网络用于metalens的前预测.
- 结合深度学习和粒子群优化,以实现高效的设计.
- 在广泛的波长范围内模拟和验证了metalens的性能.
主要成果:
- 设计的metalens彩色路由器有效地分离红,绿,蓝和近红外光.
- 将分离的光谱精确聚焦到指定的区域.
- 达到40%的高光学效率,优于传统的彩色过器.
结论:
- 集成的深度学习和优化方法可以实现高效的金属设计.
- 开发的彩色路由器在光谱分离和聚焦方面表现出卓越的性能.
- 这项工作为提高效率的先进光学元件铺平了道路.
