基于并联余神经网络的Valley-Hall光子拓绝缘体的反向设计

科学领域:

• 光子学是指光子学的使用方法.
• 凝聚物质物理学 凝聚物质物理学
• 人工智能的人工智能

背景情况:

• 光子拓绝缘器 (PTIs) 提供独特的波传播特性.
• 反向设计方法对于实现复杂的光子结构至关重要.
• 谷地-霍尔拓绝缘器利用谷地依赖的拓状态.

研究的目的:

• 提出一种新的空心三角棒型山谷-霍尔光子拓绝缘体.
• 开发和应用深度神经网络用于PTI的多模式反向设计.
• 在工程 PTIs 中展示强大的,拓保护的波传播.

主要方法:

• 关于一个空洞的三角棒型山谷-哈尔光子拓绝缘体的建议.
• 为反向设计实施两个并联的残留深度神经网络 (DNN):用于结构维度的多层感知器和用于格子图像的基于自动编码器的变化网络.
• 在DNN中包含剩余连接,以增强培训的融合,并减轻消失梯度.
• 在具有不同拓的PTI之间构建域墙.
• 全波模拟用于分析传输特性.

主要成果:

• 为拟议的PTI成功设计了任意格子结构的反向设计.
• 支持拓保护波传播的域墙的演示.
• 观察强大的传输,沿域墙进行最小的反向散射.
• 对 PTIs 提出的基于 DNN 的反向设计方法的验证.

结论:

• 拟议的空心三角棒型山谷-霍尔光子拓绝缘器是可行的.
• 串联残余深度神经网络为PTIs的反向设计提供了有效的多式联络方法.
• 沿域壁进行拓保护的波传播是强大而高效的,证实了设计方法的有效性.