基于深度学习的多功能调式双层金属网的设计

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:

• 单层金属镜头在调制性能和单个元原子的控制方面面临限制.
• 实现可调节的多功能光学设备需要先进的材料特性和设计方法.

研究的目的:

• 提出并演示使用酸 (BTO) 进行增强光学控制的双层调节式多功能金属.
• 通过使用深度学习算法加速可调节金属镜头的设计过程.
• 为了在可见光光谱中实现双重和四重功能的快速切换.

主要方法:

• 使用双层金属结构,可调节的BTO材料进行整体调制.
• 采用基于变压器结构的深度学习算法,带嵌入用于预测高频响应.
• 模拟和分析了各种光学功能 (焦点长度,位置,光束偏移,分裂) 之间的切换功能.

主要成果:

• 在可见光范围内,在双重和四重功能之间展示了近乎完美的切换.
• 深度学习模型准确地预测了元原子的传递率和相位,在1秒以下就产生了10万个任意的几何元原子.
• 简化的几何元原子被用来提高可制造性,以最小的性能损失.

结论:

• 拟议的双层调节式多功能金属器件提供快速切换和多功能光学控制.
• 深度学习显著加快了复杂的元原子结构的设计和优化.
• 该设计为具有可切换功能的先进,可制造的光学设备提供了有前途的途径.