SPIE (1)串联神经网络示意图，用于法诺共振亚表面的逆向设计，以增强(2)非线性生成和光学机械振动
信用:SPIE 发表在《高级光子学》上的一篇论文“通过机器学习方法增强介电纳米结构中的光-物质相互作用”表明，机器学习技术可以用来增强亚表面，为非线性光学和光学力学优化它们
这一发现为广泛的光子器件和应用的发展提供了很大的可能性，包括光学传感、光声振动和窄带滤波
亚表面是用于操纵光的散射、颜色、相位或强度的通用平台，可用于纳米尺度的光发射、检测、调制、控制和/或放大
近年来，亚表面已经成为一个正在进行深入研究的课题，因为它们的光学特性可以适用于各种各样的应用，包括超透镜、可调图像和全息图
据《高级光子学》主编、伦敦大学国王学院光子学与纳米技术组组长Chief费勒斯说，这项工作标志着纳米光子学的一个令人兴奋的进步
“为特定应用优化元表面和元材料是一个重要而耗时的问题，”扎亚特说
“使用传统方法，只有几个参数可以优化，因此最终的性能优于其他一些设计，但不一定是最好的
使用机器学习，人们可以搜索最佳设计并覆盖传统方法不可能覆盖的参数空间
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
