深度神经网络用于反向设计多模集成网格,同时控制振幅和相位

科学领域:

• 光子学和纳米技术的使用.
• 在光学领域的人工智能.

背景情况:

• 光子模式转换器对于操纵光线至关重要.
• 复杂的纳米光子结构的传统设计方法具有挑战性.

研究的目的:

• 引入一种新的光子模式转换器设计方法.
• 为了利用深度神经网络进行网格结构的反向设计.

主要方法:

• 使用深度神经网络对网格结构进行建模和反向设计.
• 将物理格子参数映射到复杂的散射参数.
• 训练神经网络来控制反射模式的大小和阶段.

主要成果:

• 一个光子模式转换器的成功反向设计与受控反射模式.
• 证明精确控制散射参数的大小和阶段.
• 产生了多个干扰波的丰富景观.

结论:

• 深度神经网络使纳米光子设备的有效反向设计成为可能.
• 开发的技术提供了对光学近距离场的增强控制.
• 这种方法对先进的纳米光子应用和复杂的共振器具有前景.