[논문 리뷰] Compounding meta-atoms into meta-molecules with hybrid artificial intelligence techniques

Zhaocheng Liu, Dayu Zhu외 4명|arXiv (Cornell University)|2019. 07. 07.

Metamaterials and Metasurfaces Applications참고 문헌 32인용 수 6

한 줄 요약

이 논문은 메타표면의 메타분자 역설계를 가능하게 하기 위해 조합 패턴 생성 네트워크와 협동 공진화를 융합한 하이브리드 인공지능 프레임워크를 제안한다. 복잡한 메타분자 설계를 딥러닝과 진화 알고리즘을 활용한 독립적인 메타원자 최적화로 분해함으로써, 빛의 편광과 波front에 대한 정밀한 제어를 달성하였으며, 높은 신뢰성과 효율성으로 실험적으로 검증되었다.

ABSTRACT

Molecules composed of atoms exhibit properties not inherent to their constituent atoms. Similarly, meta-molecules consisting of multiple meta-atoms possess emerging features that the meta-atoms themselves do not possess. Metasurfaces composed of meta-molecules with spatially variant building blocks, such as gradient metasurfaces, are drawing substantial attention due to their unconventional controllability of the amplitude, phase, and frequency of light. However, the intricate mechanisms and the large degrees of freedom of the multi-element systems impede an effective strategy for the design and optimization of meta-molecules. Here, we propose a hybrid artificial intelligence-based framework consolidating compositional pattern-producing networks and cooperative coevolution to resolve the inverse design of meta-molecules in metasurfaces. The framework breaks the design of the meta-molecules into separate designs of meta-atoms, and independently solves the smaller design tasks of the meta-atoms through deep learning and evolutionary algorithms. We leverage the proposed framework to design metallic meta-molecules for arbitrary manipulation of the polarization and wavefront of light. Moreover, the efficacy and reliability of the design strategy are confirmed through experimental validations. This framework reveals a promising candidate approach to expedite the design of large-scale metasurfaces in a labor-saving, systematic manner.

연구 동기 및 목표

• 복잡한 공간적 변동성을 가진 메타분자를 갖는 대규모 메타표면 설계의 과제를 해결하기 위해.
• 다중 요소 메타분자 시스템에서의 높은 자유도와 복잡한 상호작용을 극복하기 위해.
• 인공지능을 활용한 체계적이고 노동력 절감형의 메타분자 설계 전략을 개발하기 위해.
• 공학적으로 설계된 메타분자를 통해 빛의 편광과 波front를 임의로 제어할 수 있도록 하기 위해.
• 실험적으로 제안된 프레임워크를 검증하여 실세계 적용에서의 신뢰성과 효용성을 확보하기 위해.

제안 방법

• 프레임워크는 메타분자의 역설계를 개별 메타원자 설계 작업으로 분해한다.
• 조합 패턴 생성 네트워크는 원하는 광학적 반응을 갖는 다양한 메타원자 기하구조를 생성한다.
• 협동 공진화는 목표 기능을 갖는 메타분자를 형성하기 위해 메타원자의 공간적 배열과 결합을 최적화한다.
• 딥러닝 모델은 다양한 구성에서 메타원자의 광학적 반응(위상, 진폭, 편광)을 예측하도록 훈련된다.
• 진화 알고리즘은 메타원자 집합의 상호작용 행동을 최적화하여 원하는 波front 및 편광 제어를 달성한다.
• 프레임워크는 공간적으로 변동하는 메타분자 배열을 갖는 대규모 메타표면의 체계적이고 확장 가능한 설계를 가능하게 한다.

실험 결과

연구 질문

• RQ1 높은 자유도와 복잡한 상호작용을 갖는 메타분자의 역설계 문제를 효율적으로 해결할 수 있는 방법은 무엇인가?
• RQ2 딥러닝과 진화 알고리즘을 융합한 하이브리드 AI 접근법이 메타분자 설계 문제를 효과적으로 분해하고 해결할 수 있는가?
• RQ3 제안된 프레임워크가 메타표면에서 빛의 편광과 波front에 대해 얼마나 임의로 제어할 수 있는가?
• RQ4 정확도와 효율성 측면에서 기존 설계 방법에 비해 AI로 설계된 메타분자의 성능은 어떠한가?
• RQ5 이 하이브리드 AI 프레임워크를 사용해 설계된 메타분자의 실험적 타당성과 신뢰성은 어떠한가?

주요 결과

• 하이브리드 AI 프레임워크는 빛의 편광과 波front를 임의로 제어할 수 있는 금속성 메타분자를 성공적으로 설계하였다.
• 메타분자 설계를 독립적인 메타원자 최적화 작업으로 분리함으로써 높은 설계 효율성을 달성하였다.
• 실험적 검증을 통해 예측된 광학적 반응이 높은 정확도로 확인되어 프레임워크의 신뢰성을 입증하였다.
• 이 방법은 공간적으로 변동하는 메타분자 배열을 갖는 대규모 메타표면의 체계적이고 확장 가능한 설계를 가능하게 하였다.
• 기존의 시행착오나 브루트 포스 최적화 방법에 비해 설계 복잡도와 노동 강도를 감소시켰다.
• 조합 패턴 생성 네트워크와 협동 공진화의 활용은 비직관적인 메타원자 구성으로 우수한 성능을 갖는 것을 발견하는 데 기여하였다.