文献

J-GLOBAL ID：202002234549040055   整理番号：20A2021200

ニューラルネットワークを用いたフォトニック逆設計:可視における不可視性の場合【JST・京大機械翻訳】

Photonic Inverse Design with Neural Networks: The Case of Invisibility in the Visible

著者 (3件)： Sheverdin Arsen (Department of Physics, Nazarbayev University, Nur-Sultan, KZ 010000, Kazakhstan) ,  Monticone Francesco (School of Electrical and Computer Engineering, Cornell University, Ithaca, New York 14853, USA) ,  Valagiannopoulos Constantinos (Department of Physics, Nazarbayev University, Nur-Sultan, KZ 010000, Kazakhstan)
資料名： Physical Review Applied  (Physical Review Applied)
巻： 14  号： 2  ページ： 024054  発行年： 2020年 
JST資料番号： W3691A  ISSN： 2331-7019  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人工知能は,現在利用可能な巨大計算電力と訓練データ量によって扱いやすい巨大なデータセットを持つハード問題に取り組む能力のために,現在,前例のない注目を引きつけている。望ましい電磁応答の物体を見つけるための1つの探索は,これらのアイデアから大きな利益を得ることができる複雑な問題のクラスに属する。本研究では,人工知能概念を適用して,バックグラウンド場を乱さない不可視粒子の探索を前進させた。特に,完全接続ニューラルネットワークを提案し,低散乱多層ナノスフェアとの可視光相互作用の動力学の学習により,そのような問題に対処した。入力と出力の間の役割を交換することによって,同じネットワークを次に,不可視ナノ粒子の逆設計のために使用することができ,訓練セットの最良の要素に関して優れた性能を得た。提案した手法は,より複雑な光学構成の電磁応答をシミュレートすることによりMaxwell相互作用を近似するために一般化でき,逐次反復なしで直接それらの逆設計を達成した。Copyright 2020 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 散乱 ,  相互作用 ,  電力 ,  *ネットワーク ,  *ニューラルネットワーク ,  人工知能 ,  可視光 ,  多層 ,  ナノ粒子
準シソーラス用語： 訓練データ ,  逆設計 ,  不可視性 ,  ナノスフェア , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  フォト ,  設計 ,  不可視性