英国のキングスカレッジロンドンの研究者は、機械学習技術を使用して、非線形光学と光学機械のメタサーフェスを強化できることを示しています。
彼の新しい研究論文では、Photonics＆Nanotechnology Groupの責任者でキングスカレッジロンドン、Anatoly Zayatsは、機械学習技術を使用してメタサーフェスを強化できることを示唆しています。この拡張の最終目標は、非線形光学とオプターメカニクスのメタサーフェスを最適化することです。
メタサーフェスとは？
Metasurfacesは、使用できる光の散乱、色、位相、または強度を操作するためによく使用されるプラットフォームです光排出、ナノスケールでの検出、変調、制御、および/または増幅。
最近、メタサーフェスは、光学特性が、スーパーレンズ、調整可能な画像、ホログラムなど、多様なアプリケーションのセットに適応できるため、激しい研究の対象となっています。
で公開された論文による高度なフォトニクス：「現在、メタワースを設計するための典型的なアプローチの1つは、さまざまな材料の特性や結合効果、および地理的なパラメーターなど、膨大な数の固定パラメーター間で1つまたは2つの変数を最適化することです。
「理想的には、これには直接的な数値シミュレーションを通じて多次元空間最適化が必要になります。最近、代替の一般的なアプローチにより、Aに基づいて計算コストを大幅に削減できます。メソッド。 ’
光学系のメタサーフェスの最適化
Zayatsが行った発見には、光学センシング、光音響振動、狭帯域フィルタリングに関与するものを含む、さまざまなフォトニックデバイスとアプリケーションの開発に有望な可能性があります。
Zayatsによると、この作品はナノフォトニクスの刺激的な進歩を示しています。 「特定の用途向けのメタサーフェスとメタマテリアルの最適化は、重要かつ時間のかかる問題です。
「従来のアプローチでは、最適化できるパラメーターはほとんどないため、結果のパフォーマンスは他のデザインよりも優れていますが、必ずしも最良ではありません。機械学習を使用すると、最適なデザインを検索し、従来のアプローチでは不可能なパラメーターのスペースをカバーできます。」
