.png){kind=icon}
返回
Adaptive continuous-discrete variables optimization for active learning with extremely sparse data in optical material design
.png){kind=icon}
PRE
AI
DOI：doi:10.1088/2632-2153/adf68d.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于巨大的参数空间和复杂的质量因数要求，优化平面多层（PML）光学涂层仍然具有挑战性。本研究引入了一种自适应厚度方法，结合主动学习（即一种自适应方案），用于同时进行材料选择和厚度优化，其中厚度在连续光谱中自适应采样，材料状态被标记为离散二元变量以进行灵活的设计探索。在自适应方案中，我们考察了三种机器学习（ML）模型——高斯过程回归、因子分解机（FM）和领域感知FM——作为代理函数的性能，以及特定于ML模型的优化算法，如离散粒子群优化、人工蜂群优化和模拟退火。最优PML结构的次要标准（例如总厚度、层数）被调查并与传统的固定厚度方法（即固定方案）进行了比较。作为一项基准研究，我们使用自适应方案优化了在具有高折射率Si基底上的超薄Ge-YF3抗反射PML涂层。该方案识别出一种最优的五层设计，平均反射率为0.47%，仅需固定方案训练数据的约10%和总可能状态的0.002%，降低了计算成本并提高了实际适用性。此外，我们确认了自适应方案适用于扩展的设计问题，包括二维光子结构和由四种材料组成的多层涂层。
Keyword:
adaptive thickness
active learning
multilayer optical coatings
machine learning
surrogate modeling
期刊
M
IF:
4.6
论文数:
1.1K
被引数:
3.4K
机构
暂无机构信息
引用论文
Multilayered SiO2/Si3N4 photonic emitter to achieve high-performance all-day radiative cooling多层SiO2/Si3N4光子发射器实现高性能全天辐射冷却
PREAI
分享收藏Highly suppressed solar absorption in a daytime radiative cooler designed by genetic algorithm.png)
NANOPHOTONICS
OAAI
NANOPHOTONICSIF6.6
OAAI分享收藏Ultrahigh-efficient material informatics inverse design of thermal metamaterials for visible-infrared-compatible camouflageNATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Design and production of antireflection coating for the 8-10 μm spectral regionOPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏
查看更多内容