Inverse Design of Free-Form Metasurfaces with Deep Neural Networks
Paper i proceeding, 2022
We show that the free-form inverse design of nanophotonic matasurfaces can be solved with a modified CGAN machine learning method that balances the accuracy of desired optical properties with experimental feasibility.
Författare
Timo Gahlmann
Chalmers, Fysik, Kondenserad materie- och materialteori
Philippe Tassin
Chalmers, Fysik, Kondenserad materie- och materialteori
Optics InfoBase Conference Papers
21622701 (eISSN)
FM5H.79781557528209 (ISBN)
2022 Conference on Lasers and Electro-Optics, CLEO 2022
San Jose, USA,
San Jose, USA,
Ämneskategorier
Språkteknologi (språkvetenskaplig databehandling)
Rymd- och flygteknik
Annan fysik