基于大型语言模型的纳米光子设备设计:多层和超表面示例

科学领域:

• 纳米光子学 纳米光子学
• 人工智能的人工智能
• 计算科学 计算科学

背景情况:

• 大型语言模型 (LLM) 在语言任务中表现出色,并正在扩展到科学应用中.
• 在纳米光子设备设计中使用LLM是一个新兴和未经探索的领域.
• 纳米光子设计传统上需要专门的领域专业知识.

研究的目的:

• 研究LLM在应对纳米光子设计挑战中的有效性.
• 确定LLM是否可以使非专家用户设计纳米光子设备.
• 探索光学响应计算和纳米光子结构反向设计的LLM能力.

主要方法:

• 使用LLM与上下文学习进行数值模拟多层片中的光学响应.
• 在LLM和用户之间采用对话交互和反循环来优化设计.
• 微调的LLM具有基于文本的光学超表面结构和属性的表示.
• 实现基于文本的输入/输出反转,用于生成性地表设计.

主要成果:

• 具有上下文学习的LLM允许非专业用户模拟多层片的光学反应.
• 对话式LLM交互促进了针对目标光学属性的最佳多层膜设计的创建.
• 精心调整的LLM可以成功地生成适合特定属性的超表面设计.

结论:

• 在简化和加速纳米光子设计方面,LLM显示出显著的潜力.
• 简单的LLM可以使纳米光子设计民主化,使得没有深入领域知识的用户可以访问它.
• 这项工作为人工智能驱动的纳米光子技术创新铺平了道路.