概括
研究人员开发了一个协同神经网络 (TNN) 用于设计纳米光子结构. 这种方法精确地优化局部状态密度 (LDOS) 以提高量子发射器操纵.
科学领域:
- 量子纳米光子学 量子纳米光子学
- 纳米光子学 纳米光子学
- 量子光学就是量子光学.
背景情况:
- 优化局部状态密度 (LDOS) 对于纳米光子结构中的量子操纵至关重要.
- 传统的逆向设计方法与复杂的结构和多参数优化作斗争,导致效率低下和非独特的设计.
研究的目的:
- 使用LDOS.DOS建立量子发射器 (QEs) 和纳米光子结构之间的映射.
- 开发一个高效的人工双重神经网络 (TNN) 用于设计纳米光子结构与所需的LDOS.
- 优化QEs的自发发射特性.
主要方法:
- 开发了一个协同神经网络 (TNN) 来通过LDOS绘制QEs和纳米光子结构.
- 实现了一个结构损失函数,用于多参数优化 (材料厚度,类型).
- 利用转移学习将设计扩展到多层核心外结构.
主要成果:
- 实现了纳米结构的精确一对一反向设计.
- 在特定频率位置显著增强LDOS.
- 证明了LDOS的高效定制和量子动力学的操纵.
结论:
- TNN是一种高效的方法,用于设计纳米光子结构与量身定制的LDOS.
- 这种方法可以精确控制QEs的自发发射特性.
- 该TNN方法是多功能和可扩展到各种纳米光子设计.
