概括
研究人员开发了一种快速的人工智能方法,用于设计光控制粒子的微结构. 这可以通过调整光学力来有效地创建像纳米无人机这样的光驱动机器.
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:
- 光可以对微粒子和纳米粒子施加机械力,从而使光学操纵成为可能.
- 设计具有特定光散射特性的粒子是控制光学力量的关键.
- 传统的计算方法对于设计这些粒子的巨大参数空间来说太慢了.
研究的目的:
- 开发一种高效的反向设计方法,用于在不同的光频率下经历量身定制的光学力量的微结构.
- 训练深度神经网络 (DNN) 以预测和设计基于所需光力反应的微结构.
- 为了使光驱机器能够创建具有多频率操作能力的微观结构.
主要方法:
- 利用Mie散射-马克斯威尔应力张量计算来生成光学力量的训练数据.
- 训练深度神经网络 (DNN) 来建模微观结构配置和光学力量之间的关系.
- 使用生成网络将设计目标打印到反向设计的伪光学力频谱中.
主要成果:
- 开发了一种基于DNN的方法,比传统的微结构设计方法快了数量级.
- 在预测光学力和设计具有特定力响应的微观结构方面取得了高精度.
- 成功演示了反向设计,从伪光学力谱中获得微观结构.
结论:
- DNN方法提供了一个高效和准确的方法来设计用于光学力控制的微结构.
- 这种方法绕过了代优化的需求,大大加快了设计过程.
- 这种方法是向开发先进的光驱微型/纳米机器迈出的重要一步.
