算法驱动的光子学设计

利用先进算法与机器学习加速并优化光子器件开发

背景简介

光子学领域正经历着从传统的基于直觉与试错的模式向自动化、算法驱动设计的范式转变。传统的光子器件开发高度依赖解析模型和强力的参数穷举,当器件复杂度增加时,这些方法暴露出极大的局限性。通过引入人工智能和先进的优化框架,我们能够探索以往无法触及的高维巨大设计空间,从而发现具有空前性能的非直觉拓扑结构。

本研究方向聚焦于计算物理与机器学习的交叉领域。我们开发并应用智能算法来自动探索新型光子功能,显著缩短从理论概念到物理实现的研发周期。

研究意义与潜在应用

算法驱动的设计消除了结构工程中的人为偏见,使得超紧凑、高效率和多功能光子芯片的实现在技术上成为可能。其潜在应用涵盖下一代光通信、集成量子信息处理、高密度光计算以及高灵敏度生化传感等关键领域,在这些领域中,在有限空间内实现最优的光与物质相互作用至关重要。

研究焦点

  • 增强传统算法优化:将启发式和基于梯度的传统方法与统计学习相结合,以加速收敛并在复杂的搜索空间中跳出局部最优解。(例如 (Wu* & Chen, 2020; Wang et al., 2021; Huang et al., 2022)
  • 光子逆向设计:利用目标优先的计算技术,自动将预期的光学性能指标直接映射为非直觉的物理几何结构。
  • 物理信息神经网络::将麦克斯韦方程组和物理边界条件嵌入到深度学习架构中,以确保预测结果具备严格的物理严谨性与高数据效率。
  • AI加速全波仿真::开发基于深度学习的代理模型,在大幅缩短计算时间的同时,高精度地预测复杂的电磁场分布。
算法协助的光子学。

我们期待新鲜血液和新颖想法的加入与合作!

相关成果

2022

  1. JOSAB.jpg
    Pulse interactions in periodic and genetic-algorithm-optimized aperiodic epsilon-near-zero multilayers
    Journal of the Optical Society of America B, Jan 2022

2021

  1. IEEEPJ.png
    Optimization of Epsilon-Near-Zero Multilayers for Near-Perfect Light Absorption Using an Enhanced Genetic Algorithm
    IEEE Photonics Journal, Oct 2021

2020

  1. AdP3.png
    Broadband Radiative Cooling and Decoration for Passively Dissipated Portable Electronic Devices by Aperiodic Photonic Multilayers
    Jiaye Wu* and Yuxuan Chen
    Annalen der Physik, May 2020