可制造的红外超表面的反向设计基于多模式深度学习方法
Qunqing Lin1,2, Changsheng Li1, Jincheng Chen1
1School of Energy and Power Engineering, Nanjing University of Science and Technology, Nanjing 210094, PR China.
ACS applied materials & interfaces
|July 7, 2025
概括
这项研究介绍了一种多模式神经网络,用于光子结构的高效反向设计. 该方法可以快速,按需设计用于辐射散热的红外隐形超表面.
科学领域:
- 光子学是指光子学的使用方法.
- 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:
- 由于高维的参数空间和非线性光学响应,元表面反向设计面临着挑战.
- 复杂的光子系统的按需设计需要高效和灵活的方法.
研究的目的:
- 开发一个多式神经网络框架,用于复合周期微结构的反向设计.
- 为了实现具有特定光谱特征的光子设备的灵活,按需设计.
- 设计和验证用于辐射散热的红外隐形超表面.
主要方法:
- 提出了一个用于反向设计的多式联络神经网络框架.
- 该框架根据不同模式的目标光谱生成设计结果.
- 利用训练有素的网络设计红外隐形超表面,通过非大气窗口散发辐射热量.
主要成果:
- 实现的反向设计速度比传统方法快几个数量级.
- 设计的红外隐形超表面在5-8微米非大气窗口中平均红外发射率为0.674.
- 证明了辐射散热与红外隐形要求的兼容性.
结论:
- 多模式神经网络为复杂的光子设备的反向设计提供了一种高效和灵活的方法.
- 开发的方法允许创建功能性的红外隐形超表面.
- 这项工作提出了一个新的概念,在光子设备设计中具有广泛的应用.
