Deep learning approach based on dimensionality reduction for designing electromagnetic nanostructures | |||||
---|---|---|---|---|---|
대표 URL | https://www.nature.com/articles/s41524-020-0276-y | ||||
작성자 | 관리자 | 게시일 | 2020.04.06 | 조회수 | 1,109 |
미국 Georgia tech. Ali Adibi 교수 연구팀은 위상변화 물질(Phase-change materials, PCM)기반의 메타 표면 역 설계 연구를 보고하였다. Auto-encoder 기법을 사용하여 차원 축소(dimensional reduction)를 사용함으로써, 기존 다체 문제(many-body problem)를 일대일 문제에 가깝게 재정의하고 계산의 복잡성을 줄였다.
연구진은 연구에서 제안한 딥러닝 기법과 COMSOL같은 해석패키지를 통합한다면 전자기 나노구조의 분석, 설계와 최적화를 용이하게 할뿐 아니라 나노구조의 현상을 설명, 이해 및 예측하기위한 더 강력한 툴킷을 제작할 수 있을 것이라 예상했다. 뿐만 아니라, 딥러닝 네트워크 훈련에 충분한 데이터셋이 제공된다면 광범위한 분야에서 다양한 설계 문제를 쉽게 해결할 수 있음을 전망했다.