Maskinlæring forbedrer lys-stof-interaktioner i dielektriske nanostrukturer

Et papir udgivet i Avanceret fotonik "Forbedrede lys-stof-interaktioner i dielektriske nanostrukturer via maskinlæringstilgang, " foreslår, at maskinlæringsteknikker kan bruges til at forbedre metasurfaces, optimere dem til ikke-lineær optik og optomekanik. Opdagelsen har lovende muligheder for udvikling af en bred vifte af fotoniske enheder og applikationer, herunder dem, der er involveret i optisk sansning, optoakustiske vibrationer, og smalbåndsfiltrering.

Metasurfaces er alsidige platforme, der bruges til at manipulere spredningen, farve, fase, eller lysintensitet, der kan bruges til lysudsendelse, opdagelse, modulering, kontrol og/eller amplifikation på nanoskala. I de seneste år, metasurfaces har været genstand for intense undersøgelser, da deres optiske egenskaber kan tilpasses til en række forskellige applikationer, inklusive superlinser, justerbare billeder, og hologrammer.

Ifølge Avanceret fotonik chefredaktør, SPIE-stipendiat, og leder af Photonics &Nanotechnology Group ved King's College London Anatoly Zayats, dette arbejde markerer et spændende fremskridt inden for nanofotonik. "Optimering af metaoverflader og metamaterialer til bestemte applikationer er et vigtigt og tidskrævende problem, " sagde Zayats. "Med traditionelle tilgange, kun få parametre kan optimeres, så den resulterende ydeevne er bedre end for nogle andre designs, men ikke nødvendigvis den bedste. Brug af maskinlæring, man kan søge efter det bedste design og dække rummet af parametre, der ikke er mulige med traditionelle tilgange."