[논문 리뷰] OptoGPT: A Foundation Model for Inverse Design in Optical Multilayer Thin Film Structures

Taigao Ma, Haozhu Wang외 1명|arXiv (Cornell University)|2023. 04. 20.

Photonic and Optical Devices인용 수 7

한 줄 요약

OptoGPT는 다양한 재료, 입사각 및 편광 조건에서 최적의 다층 박막 구조를 신속하고 유연하게 생성할 수 있도록 설계된 디코더 전용 트랜스포머 기반의 기초 모델을 소개한다. 복잡한 광학 구조 설계에서 높은 정확도와 일반화 능력을 달성하면서도 실용적인 제조 제약 조건을 통합하여 기존 방법에 비해 유연성과 효율성에서 뛰어난 성능을 발휘한다.

ABSTRACT

Optical multilayer thin film structures have been widely used in numerous photonic applications. However, existing inverse design methods have many drawbacks because they either fail to quickly adapt to different design targets, or are difficult to suit for different types of structures, e.g., designing for different materials at each layer. These methods also cannot accommodate versatile design situations under different angles and polarizations. In addition, how to benefit practical fabrications and manufacturing has not been extensively considered yet. In this work, we introduce OptoGPT (Opto Generative Pretrained Transformer), a decoder-only transformer, to solve all these drawbacks and issues simultaneously.

연구 동기 및 목표

• 기존의 광학 다층 박막의 역설계 방법이 다양한 설계 목표와 구조적 구성에 유연하게 대응하지 못하는 한계를 극복하기 위해.
• 다양한 재료, 층 수 및 광학 조건(입사각 및 편광)에서 다층 구조의 빠르고 일반화된 설계를 가능하게 하기 위해.
• 실제 제조 제약 조건을 역설계 과정에 통합하여 실제 제조 가능성 향상을 위해.
• 재학습 없이도 다양한 광학 기기 요구사항에 일반화 가능한 통합적이고 확장 가능한 프레임워크를 개발하기 위해.
• 새로운 설계 과제에 대해 제로샷 또는 소수의 샘플을 활용한 적응을 지원하는 광학 분야의 기초 모델을 구축하기 위해.

제안 방법

• OptoGPT는 다층 박막 구조와 그 광학적 반응을 포함한 대규모 합성 데이터셋으로 사전 훈련된 디코더 전용 트랜스포머 아키텍처를 사용한다.
• 입력으로 목표 광학 반응(예: 반사 스펙트럼)이 주어지고 출력으로 해당되는 층 순서(재료, 두께)가 생성되도록 작업별 역설계 프롬프트로 미세조정된다.
• 훈련 데이터에는 다양한 재료 조합, 층 수 및 광학 조건(입사각, 편광)이 포함되어 있어 일반화 능력을 향상시킨다.
• 모델은 자동회귀적 생성 방식을 통해 층 구조를 토큰 단위로 예측하여 물리적 타당성과 구조적 일관성을 확보한다.
• 예측된 반응과 목표 반응 간의 스펙트럼 일치도를 최적화하기 위해 미분 가능한 손실 함수를 사용하여 엔드 투 엔드 훈련이 가능하다.
• 후처리 단계로 재료 및 두께의 이산화를 수행하여 제조 가능성과 물리적 실현 가능성을 보장한다.

실험 결과

연구 질문

• RQ1 기초 모델 접근 방식이 작업별 재학습 없이도 다양한 광학 설계 목표에 대해 높은 일반화 능력을 달성할 수 있는가?
• RQ2 단일 모델이 다양한 재료, 층 수 및 광학 구성(입사각 및 편광)에서 역설계를 얼마나 잘 처리할 수 있는가?
• RQ3 제조 제약 조건을 통합함으로써 생성된 설계의 실용성이 얼마나 향상되는가?
• RQ4 복잡한 다중 매개변수 설계 공간에서 기존의 역설계 방법에 비해 OptoGPT의 정확도와 효율성은 어떠한가?
• RQ5 OptoGPT가 소수의 예시나 제로샷 프롬프트를 통해 새로운 설계 과제에 효과적으로 일반화할 수 있는가?

주요 결과

• OptoGPT는 다양한 목표 반응, 특히 복잡한 대역통과 및 다중대역 필터를 포함하여 평균 상대 오차가 2% 미만으로 매우 높은 스펙트럼 정확도를 달성한다.
• 모델은 새로운 재료 조합과 층 수에 대해 효과적으로 일반화되며, 강력한 제로샷 및 소수의 샘플 성능을 보여준다.
• 물리적으로 실현 가능하고 표준 제조 공정과 호환되는 설계를 성공적으로 생성하여 후처리 필요성을 줄였다.
• 기존 최적화 기반 방법에 비해 설계 속도에서 뛰어난 성능을 보이며, 1건의 설계당 1초 이내로 솔루션을 생성한다. 기존 기울기 기반 접근 방식이 수분에서 수시간이 소요되는 것과 대비된다.
• 입사각 및 편광 상태의 변화에 대해 높은 성능을 유지하여 광학 구성 변화에 대한 강력한 내구성을 보였다.
• 절단 실험 결과, 다양한 광학 구성에서의 사전 훈련이 일반화 능력과 수렴 속도 향상에 크게 기여하는 것으로 확인되었다.