[論文レビュー] A Novel Modeling Approach for All-Dielectric Metasurfaces Using Deep Neural Networks

Sensong An, Clayton Fowler+12 more|arXiv (Cornell University)|Jun 8, 2019

Metamaterials and Metasurfaces Applications参考文献 32被引用数 13

ひとこと要約

本論文は、従来のニューラルネットワーク手法における主な制限要因である次元不一致、位相予測精度、3次元構造への適応性の欠如を克服することで、すべての誘電体メタサーフェスの設計を高速化・高精度化する深層ニューラルネットワークフレームワークを提案する。本手法により、電磁スペクトル全域にわたるメタアトム、フィルタ、再構成可能メタサーフェスの高速で正確かつ一般化可能な逆設計が可能となる。

ABSTRACT

Metasurfaces have become a promising means for manipulating optical wavefronts in flat and high-performance optical devices. Conventional metasurface device design relies on trial-and-error methods to obtain target electromagnetic (EM) response, an approach that demands significant efforts to investigate the enormous number of possible meta-atom structures. In this paper, a deep neural network approach is introduced that significantly improves on both speed and accuracy compared to techniques currently used to assemble metasurface-based devices. Our neural network approach overcomes three key challenges that have limited previous neural-network-based design schemes: input/output vector dimensional mismatch, accurate EM-wave phase prediction, as well as adaptation to 3-D dielectric structures, and can be generically applied to a wide variety of metasurface device designs across the entire electromagnetic spectrum. Using this new methodology, examples of neural networks capable of producing on-demand designs for meta-atoms, metasurface filters, and phase-change reconfigurable metasurfaces are demonstrated.

研究の動機と目的

• 広大なパラメータ空間を有するメタサーフェス設計における試行錯誤手法の非効率性に対処する。
• 従来のニューラルネットワークベースの設計手法における制限、例えば入力/出力ベクトルの次元不一致や、低い位相予測精度を克服する。
• 多様な光学的機能を実現するための、3次元誘電体メタサーフェスの正確なモデリングと逆設計を可能にする。
• 電磁スペクトル全域にわたるさまざまなメタサーフェスデバイスに適用可能な汎用性の高いフレームワークを開発する。
• メタアトムおよびフィルタや再構成可能構造を含む複雑なメタサーフェス部品の高速かつ高精度な設計を達成する。

提案手法

• 構造的入力および出力表現を備えた、すべての誘電体メタサーフェスに特化した深層ニューラルネットワークアーキテクチャを提案する。
• 波front制御に不可欠な電磁波位相予測精度を向上させるために、カスタム損失関数を実装する。
• メタアトム幾何構造と電磁応答のコンactかつ物理に基づいた表現を用いることで、入力/出力ベクトルの次元不一致を解消する。
• パラメトリックな幾何記述子と電磁界シミュレーションを統合することで、ネットワーク内に3次元誘電体構造モデリングを組み込む。
• さまざまなメタアトム構成のシミュレートされた電磁応答の大規模データセットを用いてネットワークを訓練する。
• 目的とする電磁応答を生成するメタアトム幾何構造を生成できるよう、ネットワークに条件付けを行うことで逆設計を可能にする。

実験結果

リサーチクエスチョン

• RQ1 深層ニューラルネットワークは、メタサーフェス設計における入力（幾何構造）と出力（電磁応答）の間の次元不一致を克服できるか？
• RQ2 ネットワークは、異なるメタアトム構造において、電磁波位相を高精度に予測できるか？
• RQ3 本フレームワークは、2次元平面設計にとどまらず、3次元誘電体メタサーフェスへも一般化可能か？
• RQ4 本手法は、フィルターや再構成可能デバイスなどの機能的メタサーフェスの高速かつ正確な逆設計を可能にするか？
• RQ5 本手法の性能は、従来のシミュレーションベース最適化手法と比較して、速度および精度の面で優れているか？

主な発見

• 提案された深層ニューラルネットワークは、従来の電磁界シミュレーション手法と比較して著しく高速な推論速度を達成しており、迅速な設計反復が可能である。
• モデルは、メタアトムの位相応答を高い精度で予測しており、従来のニューラルネットワーク手法と比較して位相誤差が低減している。
• フレームワークは、複雑な位相プロファイル（例えば渦状ビームやレンズ関数）を実現するメタアトムの設計に成功しており、目的の波frontを生成している。
• 本手法は、異なる材料や幾何構造にわたって一般化可能であり、相変化材料を用いた静的および再構成可能メタサーフェスの設計が可能である。
• 指定された透過スペクトルを持つメタサーフェスフィルタの正確な逆設計が達成されており、フルウェーブシミュレーションによる検証がなされている。
• 本手法は、可視光帯および赤外帯の周波数帯で実証されたように、電磁スペクトル全域に適用可能である。