光與納米結(jié)構(gòu)的相互作用一直是納米光子學(xué)的重要研究內(nèi)容之一,核心部件的納米結(jié)構(gòu)對光子器件的功能和性能具有決定性作用。納米光子器件的設(shè)計存在兩種思路:一是從物理原理出發(fā)的直觀設(shè)計;二是根據(jù)所需光學(xué)響應(yīng)探索最優(yōu)結(jié)構(gòu)的逆設(shè)計。近年來,逆設(shè)計在納米器件中取得了一系列重要進(jìn)展,尤其是最近將深度學(xué)習(xí)方法引入進(jìn)來,開啟了高性能納米光子器件智能高效設(shè)計的新篇章。文章圍繞納米光子器件智能逆設(shè)計方法,分析歸納了這一新興研究方向的產(chǎn)生背景、重要進(jìn)展和典型應(yīng)用,對智能逆設(shè)計面臨的挑戰(zhàn)及未來發(fā)展方向進(jìn)行了展望。 

【文章來源】：光通信研究. 2020,(03)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

前向預(yù)測和逆向預(yù)測的網(wǎng)絡(luò)結(jié)構(gòu)

圖1 前向預(yù)測和逆向預(yù)測的網(wǎng)絡(luò)結(jié)構(gòu)上述兩種基于神經(jīng)網(wǎng)絡(luò)的逆設(shè)計結(jié)構(gòu)中,第一種是首先使用神經(jīng)網(wǎng)絡(luò)前向預(yù)測任意納米結(jié)構(gòu)的光譜,然后再對預(yù)測的光譜使用逆向神經(jīng)網(wǎng)絡(luò)反向再現(xiàn)傳輸頻譜對應(yīng)的器件結(jié)構(gòu)參數(shù),其中,前向網(wǎng)絡(luò)和逆向網(wǎng)絡(luò)是分別進(jìn)行優(yōu)化訓(xùn)練得到各自最佳的網(wǎng)絡(luò)結(jié)構(gòu)。而雙向神經(jīng)網(wǎng)絡(luò)是首先通過逆設(shè)計網(wǎng)絡(luò)反向訓(xùn)練,由輸入的傳輸譜預(yù)測納米器件的結(jié)構(gòu)參數(shù),然后采用前向網(wǎng)絡(luò)正向訓(xùn)練,計算預(yù)測的納米結(jié)構(gòu)所對應(yīng)的光學(xué)響應(yīng)。逆設(shè)計網(wǎng)絡(luò)中的權(quán)值根據(jù)預(yù)測響應(yīng)和初始傳輸譜之間的誤差進(jìn)行調(diào)整,不斷優(yōu)化網(wǎng)絡(luò)設(shè)計,最終得到合適的權(quán)值和結(jié)構(gòu)參數(shù)。相比于分別訓(xùn)練多個單獨網(wǎng)絡(luò)的方法,雙向神經(jīng)網(wǎng)絡(luò)是在所有訓(xùn)練集上訓(xùn)練一個網(wǎng)絡(luò),即在訓(xùn)練過程中就將逆向網(wǎng)絡(luò)和前向預(yù)測網(wǎng)進(jìn)行融合,不斷調(diào)整權(quán)值優(yōu)化雙向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),因此,這種網(wǎng)絡(luò)結(jié)構(gòu)效果更好,且能夠提高訓(xùn)練過程中整體網(wǎng)絡(luò)的穩(wěn)定性。

Peurifoy等人將基于神經(jīng)網(wǎng)絡(luò)的逆設(shè)計方法[24]用于納米光學(xué)粒子器件的設(shè)計中,用以解決納米級光學(xué)粒子器件結(jié)構(gòu)中光的相互作用。其中,在逆向訓(xùn)練網(wǎng)絡(luò)時,將輸入設(shè)置為可變量,固定網(wǎng)絡(luò)的權(quán)重值,通過標(biāo)準(zhǔn)的反向傳播分析得到相關(guān)的輸入?yún)?shù)。Peurifoy研究中的網(wǎng)絡(luò)排布是一個全連接層的密集網(wǎng)絡(luò),如圖4所示, x1～x3為納米粒子的結(jié)構(gòu)參數(shù),y1～y7為散射譜。作為對比分析,Peurifoy在研究中發(fā)現(xiàn),對于結(jié)構(gòu)簡單的(如3～5個介電殼)的納米粒子,數(shù)值方法能得到比神經(jīng)網(wǎng)絡(luò)更精確的結(jié)果,但隨著介電殼數(shù)的增加,數(shù)值方法漸漸失去了優(yōu)勢,甚至無法解決復(fù)雜的問題。而與此相對,神經(jīng)網(wǎng)絡(luò)則可以輕松解決復(fù)雜結(jié)構(gòu)的問題,并且基于神經(jīng)網(wǎng)絡(luò)的逆設(shè)計方法可以得到非常準(zhǔn)確的結(jié)果。3.3 超表面納米光子器件

【參考文獻(xiàn)】：
期刊論文
[1]Efficient spectrum prediction and inverse design for plasmonic waveguide systems based on artificial neural networks[J]. TIAN ZHANG,JIA WANG,QI LIU,JINZAN ZHOU,JIAN DAI,XU HAN,YUE ZHOU,KUN XU.  Photonics Research. 2019(03)

碩士論文
[1]基于逆設(shè)計的微納光子器件研究[D]. 于澤昕.北京郵電大學(xué) 2019
[2]硅光器件的逆設(shè)計基礎(chǔ)研究[D]. 葉子.北京郵電大學(xué) 2018



本文編號：3283695