基于神经网络的分析算法,用于光谱圆测量的穆勒矩阵数据,用于对具有各种光学常数的纳米格子的结构评估
Juwon Jung1, Nagyeong Kim1, Kibaek Kim1
1Department of Mechanical Engineering, Yonsei University, Seoul, Republic of Korea.
Nanophotonics (Berlin, Germany)
|February 20, 2025
概括
本研究引入了一种新的三步神经网络算法,用于快速精确地分析光谱圆测量 (SE) 数据. 该方法准确地从纳米结构中提取结构参数,从而实现有效的现场监测.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 光学物理学 光学物理学
背景情况:
- 光谱圆测量 (SE) 对于纳米结构的表征至关重要.
- 传统的SE数据分析在复杂结构中难以实现速度与准确性的平衡.
- 准确的光学常数对于可靠的结构参数预测至关重要.
研究的目的:
- 开发一种快速准确的算法,从SE测量中提取结构参数.
- 为了解决传统的SE数据分析方法的局限性.
- 为了实现纳米结构的有效现场监测.
主要方法:
- 一个三步算法,采用了在模拟数据上训练的三个神经网络.
- 逐步完善光学常数和结构参数预测.
- 在模拟和制造的1D SiO2纳米样本上进行测试.
主要成果:
- 实现了高精度,平均平均绝对误差 (MAE) 为0.103nm.
- 证明了132 ms的快速分析速度.
- 在模拟和实验SE数据上验证了性能.
结论:
- 拟议的算法为SE数据分析提供了显著的速度和准确性的改进.
- 它在适应不断变化的光学常数方面提供了灵活性.
- 该方法适用于高效的实时监控应用程序.
