返回
Machine Learning Enabled LED Lighting Using Scattering Optics
DOI:10.1002/adom.202402788.png)
摘要
En 中文
照明领域受到了广泛关注,因为白光发光二极管(WLED)已成为家庭和商业建筑、街道和高速公路、体育场和建筑工地的节能光源。通常,透镜和反射镜被用于控制白光LED(WLED)光的空间分布。本文提出使用光学散射器(散射光学中的关键器件),通过纳米晶体和机器学习实现预定义的WLED亮度分布。光学散射器通常用于产生柔和光线(任何观察角度下亮度相似),但在此研究中,通过改变纳米复合薄膜(光学散射器)中纳米晶体的浓度,以调节其在不同区域的光学特性。机器学习被用于实现控制WLED亮度分布的光学散射器图案的逆向设计,而这项设计任务超出了人类能力,需采用暴力搜索方法进行。最终,展示了多种预定义的WLED亮度分布,以证明本研究的成功。
Keyword:
cellulose nanocrystals
inverse design
machine learning
scattering optics
white LED
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.2
论文数:
8.9K
被引数:
4.6W
机构
引用论文
Late Quaternary loess accumulation at the Rudak section in Uzbekistan, central Asia: Chronology and palaeoclimate implications中亚乌兹别克斯坦Rudak剖面的第四纪晚期黄土堆积: 年代学和古气候意义
Solar cell designs by maximizing energy production based on machine learning clustering of spectral variations
NATURE COMMUNICATIONS
IF15.7
Deep learning enabled inverse design of nanocrystal-based optical diffusers for efficient white LED lighting基于纳米晶体的光学扩散板的高效白光LED照明的深度学习赋能逆向设计

