概括
这项研究引入了一个深度学习模型来设计极化多重复合金属镜头,克服了传统的工程挑战. 这种新的方法可以快速,高效地创建多功能金属镜头,用于先进的成像应用.
科学领域:
- 光学和光子学 在光学和光子学.
- 在Metasurfaces上使用.
- 纳米光子学 纳米光子学
背景情况:
- 传统的成像系统有其庞大之处.
- 经典的金属设计方法 (数值模拟,参数扫描) 是复杂且耗时的.
- 在地表工程中需要有效的深度学习方法.
研究的目的:
- 开发一个深度学习驱动的对极化多重复合金属传感器的反向设计模型.
- 用光谱转移学习来解决色谱分散的挑战.
- 为了能够快速设计具有增强成像能力的多功能金属镜头.
主要方法:
- 使用深度学习的反向设计模型.
- 纳入的传播阶段理论.
- 采用光谱转移学习用于色谱分散.
- 进行数值模拟以验证性能.
主要成果:
- 实现了焦距偏差小于5%的效果.
- 显示了43.3%的平均聚焦效率.
- 成功设计的金属镜头,在单个波长上具有离轴和双焦能力.
结论:
- 深度学习模型显著简化了metalens的设计.
- 光谱转移学习有效地减轻了色谱分散.
- 开发的金属镜头提供了增强的全彩成像和位移测量功能.
- 这项工作推进了用于紧成像解决方案的超表面领域.
