基于神经网络的纳米光子结构逆设计
同扫描参数优化的方法相比,神经网络模型可以在设计误差很小的情况下大大提高结构逆设计的效率.在模拟器与发生器串联的复合模型基础上,提出了 2种有效的神经网络复合模型:基于生成对抗思想引入评价模块的复合模型和基于多任务学习增加模拟器模块的复合模型.在传输矩阵法模拟的数据集上进行有效训练后,将2个模型应用于多层薄膜吸收光谱的逆设计,并用具有特殊形状的目标光谱验证了 2个模型的逆设计结果.最后,利用多任务串联网络模型设计了多层太阳能吸收器结构参数,在300～1 500 nm范围内,平均吸收率可达96％.
纳米光子结构、对抗生成、多任务学习、复合模型
45
TP183(自动化基础理论)
2022-08-03（万方平台首次上网日期，不代表论文的发表时间）
共5页
112-116
