快速设计特拉赫兹立体超材料设备与串联神经网络,以实现高效的极化转换

科学领域:

• 光子学和纳米光子学 在
• 超材料和纳米结构
• 科学中的人工智能.

背景情况:

• 极化转换装置对于控制光子学中的电磁波极化至关重要.
• 人工智能 (AI) 正在通过高效的反向设计方法改变纳米光子学.
• 太赫兹 (THz) 技术需要先进的组件,如信号操纵的偏振器.

研究的目的:

• 为THz立体超材料 (SMM) 偏振器提出和演示一种人工智能驱动的反向设计方法.
• 为了实现快速和高效的设计SMM设备的极化转换.
• 为加速THz光子设备的分析和开发周期.

主要方法:

• 用于THz偏振器的立体超材料 (SMM) 结构.
• 采用一个双重神经网络 (TNN),用于反向设计,具有加权损失函数.
• 使用SMM THz偏振器的模拟数据集训练并测试了TNN.

主要成果:

• 成功设计了基于SMM的THz偏振器,能够在反射模式下将线性转换为圆形和圆极化.
• 相反,TNN根据所需的圆角光谱设计了SMM偏振器,而不是反射/相位光谱.
• 高效快速地获得SMM THz偏振器的相应结构参数.

结论:

• 由人工智能驱动的TNN方法使THz SMM偏振器的有效和快速反向设计成为可能.
• 这种方法加速了下一代THz设备的开发,用于极化操纵.
• 这项研究表明了人工智能在推动纳米光子设备设计方面的潜力.