[논문 리뷰] A deep learning approach for inverse design of the metasurface for dual-polarized waves

Fardin Ghorbani, Javad Shabanpour외 4명|arXiv (Cornell University)|2021. 05. 12.

Metamaterials and Metasurfaces Applications참고 문헌 37인용 수 52

한 줄 요약

이 논문은 45 GHz 이하의 이중 편광(TE 및 TM) 파동에 대해 메타표면의 유닛 세포 구조를 생성하는 DNN 기반의 역설계 방법을 제안한다. 출력을 8개의 정의된 링형 메타원자 모델로 제한함으로써 계산 부담을 줄이고 학습 속도를 향상시켜 반복 최적화 없이도 92%의 정확도로 원하는 S-파arameter 응답을 생성한다.

ABSTRACT

Compared to the conventional metasurface design, machine learning-based methods have recently created an inspiring platform for an inverse realization of the metasurfaces. Here, we have used the Deep Neural Network (DNN) for the generation of desired output unit cell structures in an ultra-wide working frequency band for both TE and TM polarized waves. To automatically generate metasurfaces in a wide range of working frequencies from 4 to 45 GHz, we deliberately design an 8 ring-shaped pattern in such a way that the unit-cells generated in the dataset can produce single or multiple notches in the desired working frequency band. Compared to the general approach, whereby the final metasurface structure may be formed by any randomly distributed "0" and "1", we propose here a restricted output structure. By restricting the output, the number of calculations will be reduced and the learning speed will be increased. Moreover, we have shown that the accuracy of the network reaches 91\%. Obtaining the final unit cell directly without any time-consuming optimization algorithms for both TE and TM polarized waves, and high average accuracy, promises an effective strategy for the metasurface design; thus, the designer is required only to focus on the design goal.

연구 동기 및 목표

• 기본적인 시도-오류 또는 최적화 기반의 기존 역메타표면 설계 방법의 높은 계산 비용과 소요 시간 문제를 해결하기 위해.
• 넓은 주파수 대역(최대 45 GHz)에서 TE 및 TM 편광 파동에 대해 빠르고 정확하며 직접적인 유닛 세포 생성을 가능하게 하기 위해.
• DNN 출력을 사전 정의된 8개의 링형 메타원자 패턴으로 제한하여 계산 복잡도와 학습 시간을 줄이기 위해.
• 이중 수직 편광에 대해 원하는 S-파arameter 특성(저지대 주파수, 깊이, 대역폭)을 높은 정확도로 재현하기 위해.
• 시간 소모가 큰 최적화 알고리즘에 의존하지 않는 프로그래머블하고 효율적이며 확장 가능한 역메타표면 설계 프레임워크를 제공하기 위해.

제안 방법

• DNN는 TE 및 TM 편광 파동에 대한 원하는 S-파arameter 목표치(저지대 주파수, 깊이, 대역폭)를 8개의 링형 메타원자 구성에 해당하는 48개 요소로 이루어진 출력 벡터로 매핑하도록 학습된다.
• 출력은 8개의 사전 정의된 링형 모델(000에서 111로 코드화)로 제한되어 검색 공간을 줄이고 계산 복잡도를 감소시킨다.
• 각 메타원자는 이 8개의 링형 패턴을 4×4 격자로 조합하여 32×32 유닛 세포를 형성하며, 해상도는 0.2 mm이다.
• 네트워크 아키텍처는 11층으로 구성되며, ReLU 활성화를 사용하는 6개의 밀집층, 정규화를 위한 5개의 드롭아웃층, 그리고 이진(0/1) 값을 출력하기 위한 최종 시그모이드층을 포함한다.
• 손실 함수는 예측된 S-파arameter와 목표 S-파arameter 간의 평균 제곱오차(MSE)이며, Adam 최적화기를 사용해 최소화된다.
• CST 마이크로파 스툴과 MATLAB 통합을 통한 전체파 해석 시뮬레이션을 통해 생성된 메타표면 응답이 검증되었다.

실험 결과

연구 질문

• RQ1 DNN 기반의 역설계 방법은 넓은 주파수 대역(최대 45 GHz)에서 TE 및 TM 편광 파동에 대해 정확한 메타표면 유닛 세포를 생성할 수 있는가?
• RQ2 DNN 출력을 사전 정의된 8개의 링형 메타원자 패턴으로 제한하는 것이 역메타표면 설계의 정확도, 학습 속도, 계산 효율성에 어떤 영향을 미치는가?
• RQ3 이러한 방법이 메타표면 설계에서 반복 최적화 알고리즘의 필요성을 얼마나 줄일 수 있는가?
• RQ4 DNN는 이중 편광 파동에 대해 복잡한 S-파arameter 응답(예: 다중 저지대)을 재현할 때 도달 가능한 정확도와 추론 속도는 어느 정도인가?
• RQ5 기존의 최적화 기반 접근 방식과 비교해 본다면, 제안된 방법은 효율성과 정확도 면에서 어떤가?

주요 결과

• DNN는 TE 및 TM 편광 파동에 대해 원하는 S-파arameter 목표치를 충족하는 메타표면 유닛 세포를 생성하는 데 평균 92%의 정확도를 달성했다.
• 단일 유닛 세포를 생성하는 데 소요된 추론 시간은 단 0.038초였으며, 기존 방법이 700~800분이 소요되는 것과 비교해 매우 빠르게 성능을 발휘했다.
• 모델 크기는 단 6 MB였으며, 이는 효율적인 배포와 낮은 계산 자원 소비를 가능하게 했다.
• 제한된 출력 구성으로 인해 학습 과정은 19분 내로 완료되어 높은 학습 효율성을 입증했다.
• 전체파 해석 시뮬레이션을 통해 생성된 메타표면이 둘 다 편광에 대해 목표 주파수 대역, 깊이 및 대역폭에서 공명 저지대를 성공적으로 구현함을 확인했다.
• 8개의 링형 메타원자 패턴을 사용하여 4–45 GHz의 원하는 주파수 범위 내에서 최대 3개의 공명을 성공적으로 생성했다.