Tandem residual net을 활용한 테라헤르츠 메타표면 최적화 | |||||
---|---|---|---|---|---|
대표 URL | https://doi.org/10.1515/nanoph-2020-0549 | ||||
작성자 | 관리자 | 게시일 | 2021.01.12 | 조회수 | 668 |
Multiplexed supercell metasurface design and optimization with tandem residual networks
미국 University of Caliofornia (UCLA) 의 Aaswath Raman 교수 연구진은 25 ~ 75 THz (4~12um)대역의 메타 흡수표면을 딥러닝 기법 Tandem residual networks를 통해 최적화한 사례를 발표하였다. Unit cell의 구조는 Metal-Insulator-Metal (MIM) 구조의 공명기로 이루어져있으며, 각각 100nm의 gold, 200nm의 Al2O3 를 Spacer로 사용했다. 25가지의 Design parameter와 그에 상응하는 800개의 데이터 포인트를 가지는 흡수 스펙트럼을 데이터셋으로 사용해 최적화를 진행하였다. Tandem residual networks는 기본적으로 1-D CNN을 발전시킨 모델이며, 흡수스펙트럼을 Input 으로하고 Design paramete를 outpu으로 하는 모델과 이를 다시 예측하는 Forward 모델로 이루어져 있다. 최적화를 수행시킨 모델의 validation loss는 평균 MSE 8.2*10^-4 를 기록했다. 모델 성능을 검증하는 수치해석으로 Lumerical FDTD 를 사용해 흡수 성능을 상호 검증하였다.
담당 : 정이교 (leekyoj@kimm.re.kr, 내선전화 : 7823)