文献

J-GLOBAL ID：202002226611369645   整理番号：20A2506851

機械学習と知識依存性最適化の組合せによる高精度逆光学設計【JST・京大機械翻訳】

High-accuracy inverse optical design by combining machine learning and knowledge-depended optimization

著者 (3件)： Zhang Shikun (Beijing Key Lab of Nanophotonics & Ultrafine Optoelectronic Systems and School of Physics, Beijing Institute of Technology, Beijing 100081, People’s Republic of China) ,  Bian Liheng (School of Information and Electronics & Advanced Research Institute of Multidisciplinary Science, Beijing Institute of Technology, Beijing 100081, People’s Republic of China) ,  Zhang Yongyou (Beijing Key Lab of Nanophotonics & Ultrafine Optoelectronic Systems and School of Physics, Beijing Institute of Technology, Beijing 100081, People’s Republic of China)
資料名： Journal of Optics  (Journal of Optics)
巻： 22  号： 10  ページ： 105802 (8pp)  発行年： 2020年 
JST資料番号： D0538C  ISSN： 2040-8978  CODEN： JOOPCA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 高次元パラメータ空間の最適化を必要とする知識依存手法(KDA)に関して,データ駆動法(DMM)は,複雑なシステムに対して,一般的に,顕著な一般化と多様性を示すが,一般的には不十分な精度を示す。KDAとDDMsの不完全性を克服するために,最適化負荷を軽減するだけでなく,顕著な一般化と精度を示す,それらを組み合わせることによって複合スキームを提案した。例としてこの複合スキームを適用して,透過スペクトルから一次元フォトニック結晶(1DPCs)を設計し,次に,分類ニューラルネットワークによって1DPC型を決定し,次に,生成敵対ネットワーク(GAN)によって1DPCの層厚を予測し,最終的に,最小自乗法に基づき,KDAの方法に基づくKDAによって層厚をさらに最適化する。数値結果は,第3段階が,複雑な1DPCsのGANに関して予測精度に対して12%以上改善でき,96.8%に達することができる全体成功予測確率をもたらした。このスキームは,KDAとDDMsを結合するので,それは顕著な一般化と高精度を持ち,効率的な逆設計のための潜在的代替を提供する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最小二乗法 ,  *最適化 ,  ネットワーク ,  ニューラルネットワーク ,  一次元 ,  高次元 ,  層厚 ,  *光学設計 ,  *機械学習 ,  フォトニック結晶
準シソーラス用語： 透過スペクトル ,  パラメータ空間 ,  予測精度 ,  高精度 ,  データ駆動 , 【Automatic Indexing@JST】

分類 (2件)： 光物性一般  (BM08010A) ,  光の屈折,反射,分散,偏向,吸収,透過  (BD03020B)

タイトルに関連する用語 (6件)： 機械学習 ,  知識 ,  依存性 ,  最適化 ,  組合せ ,  光学設計