算法驅動的光子學設計

利用先進算法與機器學習加速並優化光子器件開發

背景簡介

光子學領域正經歷著從傳統的基於直覺與試錯的模式向自動化、算法驅動設計的範式轉變。傳統的光子器件開發高度依賴解析模型和強力的參數窮舉,當器件複雜度增加時,這些方法暴露出極大的侷限性。通過引入人工智能和先進的優化框架,我們能夠探索以往無法觸及的高維巨大設計空間,從而發現具有空前性能的非直覺拓撲結構。

本研究方向聚焦於計算物理與機器學習的交叉領域。我們開發並應用智能算法來自動探索新型光子功能,顯著縮短從理論概念到物理實現的研發週期。

研究意義與潛在應用

算法驅動的設計消除了結構工程中的人為偏見,使得超緊湊、高效率和多功能光子芯片的實現在技術上成為可能。其潛在應用涵蓋下一代光通信、集成量子信息處理、高密度光計算以及高靈敏度生化傳感等關鍵領域,在這些領域中,在有限空間內實現最優的光與物質相互作用至關重要。

研究焦點

  • 增強傳統算法優化:將啟發式和基於梯度的傳統方法與統計學習相結合,以加速收斂並在複雜的搜索空間中跳出局部最優解。(例如 (Wu* & Chen, 2020; Wang et al., 2021; Huang et al., 2022)
  • 光子逆向設計:利用目標優先的計算技術,自動將預期的光學性能指標直接映射為非直覺的物理幾何結構。
  • 物理信息神經網絡::將麥克斯韋方程組和物理邊界條件嵌入到深度學習架構中,以確保預測結果具備嚴格的物理嚴謹性與高數據效率。
  • AI加速全波仿真::開發基於深度學習的代理模型,在大幅縮短計算時間的同時,高精度地預測複雜的電磁場分佈。
算法協助的光子學。

我們期待新鮮血液和新穎想法的加入與合作!

相關成果

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