用深度神经网络实现高精度纳米光子器件的光谱计算.pdfVIP

第15卷第6期黑龙江科学Vol.15

2024年3月HEILONGJIANGSCIENCEMar.2024

用深度神经网络实现高精度纳米光子器件的光谱计算

可成，郑根让，易巧玲

邱维阳,何

（中山职业技术学院，广东中山528400）

摘要：作为一种数据驱动的研究方法，深度学习已改变了许多研究领域，如计算机视觉、自然语言处理，并已拓展至农业、航空航

天、医疗保险等传统行业。本研究基于深度学习这一数据驱动研究方法，开发了一个深度神经网络模型，用于快速光谱计算。仅使

清洗后的数据集，均方根误差仅为1.3%，显示了深度学习在光学器件设计中的巨大潜力。

关键词：数据驱动；机器学习；深度学习；纳米光子学；超材料

中图分类号：TB383.1;TP183文献标志码：A文章编号：1674-8646(2024)06-0028-06

CalculationoftheSpectrumofHighPrecisionNanophotonics

withDeepNeuralNetwork

QiuWeiyang,HeCheng,ZhengGenrang,YiQiaoling

(ZhongshanPolytechnic,Zhongshan528400,China)

Abstract:Asadata-drivenresearchmethod,deeplearninghastransformedmanyfieldsofresearch,suchascomputer

vision,naturallanguageprocessing,andextensiontotraditionalindustriessuchasagriculture,aerospace,andhealth

insurance,etc.Basedonthedata-drivenresearchmethodofdeeplearning,adeepneuralnetworkmodelisdeveloped

forfastspectralcalculation.Themodelistrainedwithonlyonetrillionthofadesignspacesample,butthemodel

predictedthespectrumwithultra-highaccuracy,withaRMSerrorofaslowas2.2%forthecompletedatasetandonly

1.3%forthecleaneddataset,indicatingthegreatpotentialofdeeplearninginopticaldevicedesign.

Keywords:Datadriving;Machinelearning;Deeplearning;Nanophotonics;Metamaterial

0引言杂度越来越高，设计过程变得越来越具有挑战性。传

统的设计路径依赖于器件优化，即从一些特殊结构

由精心设计的微纳结构组成的新型光学器件已成（依赖于设计师的经验）通过求解麦克斯韦方程和边

为一个极具活力且富有成果的研究领域,因为其具有界条件得到电磁响应，将计算结果与设计目标进行比

操控光流到纳米尺度的能力[，得益于先进的数值模

拟、制造和表征技术，人们能够设计、制造并展示具有到设计的器件符合设计需求。代表性方法包括伴随方

复杂几何形状和排列的介电与