Kunstig intelligens designer metamaterialer, der bruges i usynlighedskappen

Metamaterialer er kunstige materialer konstrueret til at have egenskaber, der ikke findes i naturligt forekommende materialer, og de er bedst kendt som materialer til usynlighedskapper, der ofte findes i sci-fi-romaner eller spil. Ved præcist at designe kunstige atomer, der er mindre end lysets bølgelængde, og ved at kontrollere polariseringen og lysets spin, forskere opnår nye optiske egenskaber, der ikke findes i naturen. Imidlertid, den nuværende proces kræver meget forsøg og fejl for at finde det rigtige materiale. Sådanne bestræbelser er tidskrævende og ineffektive; kunstig intelligens (AI) kunne give en løsning på dette problem.

Forskergruppen for Prof. Junsuk Rho, Sunae So og Jungho Mun fra Institut for Maskinteknik og Institut for Kemiteknik hos POSTECH har udviklet et design med en højere grad af frihed, der gør det muligt for forskere at vælge materialer og designe fotoniske strukturer vilkårligt ved hjælp af dyb læring. Deres resultater offentliggøres i flere tidsskrifter, herunder Anvendte materialer og grænseflader, Nanofotonik, Mikrosystemer og nanoengineering , Optik Express , og Videnskabelige rapporter .

AI kan trænes med en enorm mængde data, og den kan lære design af forskellige metamaterialer og sammenhængen mellem fotoniske strukturer og deres optiske egenskaber. Ved hjælp af denne uddannelsesproces, det kan tilvejebringe en designmetode, der laver en fotonisk struktur med ønskede optiske egenskaber. Når først uddannet, det kan levere et ønsket design hurtigt og effektivt. Dette er allerede undersøgt på forskellige institutioner i USA, såsom MIT, Stanford University og Georgia Institute of Technology. Imidlertid, de tidligere undersøgelser kræver input af materialer og strukturelle parametre på forhånd, og justering af fotoniske strukturer bagefter.

Prof. Rho og hans gruppe lærte et AI -system at designe vilkårlige fotoniske strukturer og gav yderligere frihedsgrad for designet ved at kategorisere materialetyper og tilføje dem som en designfaktor, som gjorde det muligt at designe passende materialer til relevante optiske egenskaber. Analyse af metamaterialer opnået ved denne designmetode afslørede, at de havde identiske optiske egenskaber forudsagt af det kunstige neurale netværk.

Forskergruppen, der har offentliggjort forskellige forskningsresultater om design af metamaterialer og optikteori, brugte programmeringssproget Python. Deres designmetode er revolutionerende på mange måder. Først og fremmest, det reducerede betydeligt den tid, der kræves til at designe fotoniske strukturer. Det tillader forskellige designs af nye metamaterialer, fordi forskere ikke længere er begrænset til at udføre empiriske designs for at opnå resultater.

De resulterende metamaterialer kan bruges i display, sikkerhed, og militære teknologier. I denne henseende introduktion af AI til designmetoden forventes at give vigtige bidrag til den teknologiske udvikling af metamaterialer.

Lederforsker Prof. Junsuk Rho sagde, "Vores forskning lykkedes med at bringe en højere grad af frihed til at designe, men det nye system kræver stadig, at brugerne indtaster bestemte problemindstillinger i begyndelsen. Det producerede undertiden uholdbare designs, og gjorde det derfor umuligt at producere ønskede metamaterialer. Så jeg vil gerne tage vores resultater et skridt videre ved at udvikle en komplet designmetode for metamaterialer ved hjælp af AI. Også, Jeg vil gerne lave innovative og praktiske metamaterialer ved at træne AI med anmeldelser af designet konstrueret i betragtning af de endelige produkter. "