Dynamic Inverse Design of Broadband Metasurfaces with Synthetical Neural Networks
Rattachement africain : cn, fr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Abstract For over 35 years of research, the debate about the systematic compositionality of neural networks remains unchanged, arguing that existing artificial neural networks are inadequate cognitive models. Recent advancements in deep learning have significantly shaped the landscape of popular domains, however, the systematic combination of previously trained neural networks remains an open challenge. This study presents how to dynamically synthesize a neural network for the design of broadband electromagnetic metasurfaces. The underlying mechanism relies on an assembly network to adaptively integrate pre‐trained inherited networks in a transparent manner that corresponds to the metasurface assembly in physical space. This framework is poised to curtail data requirements and augment network flexibility, promising heightened practical utility in complex composition‐based tasks. Importantly, the intricate coupling effects between different metasurface segments are accurately captured. The approach for two broadband metasurface inverse design problems is exemplified, reaching accuracies of 96.7% and 95.5%. Along the way, the importance of suitably formatting the spectral data is highlighted to capture sharp spectral features. This study marks a significant leap forward in inheriting pre‐existing knowledge in neural‐network‐based inverse design, improving its adaptability for applications involving dynamically evolving tasks.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Dynamic Inverse Design of Broadband Metasurfaces with Synthetical Neural Networks
- Date Crossref
- 01/06/2024
- Éditeur
- Wiley
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Zhejiang University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Jinhua Academy of Agricultural Sciences pays non établi dans la noticeStructure de recherche
-
Zhejiang University-University of Edinburgh Institute pays non établi dans la noticeUniversité ou école supérieure
-
Zhejiang University ZJU‐Hangzhou Global Science and Technology Innovation Center Key Lab. of Advanced Micro/Nano Electronic Devices & pays non établi dans la noticeUniversité ou école supérieure
-
Centre National de la Recherche Scientifique pays non établi dans la noticeOrganisme public
-
Institut d'Électronique et des Technologies du numéRique pays non établi dans la noticeStructure de recherche
-
Université de Rennes pays non établi dans la noticeUniversité ou école supérieure
-
IETR‐UMR 6164 CNRS Univ Rennes Rennes F‐35000 France pays non établi dans la noticeUniversité ou école supérieure
Zhejiang University of Science and Technology, Jinhua Academy of Agricultural Sciences et Zhejiang University-University of Edinburgh Institute, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.