基于人工智能的方法可以加速专用纳米粒子的开发

- 2018-06-02-

 ],纳米光子学是一个球状同心子系统。” 纳米粒子像洋葱一样分层,但每层都由不同的材料制成并具有不同的厚度。

纳米粒子的尺寸与可见光的波长相当或更小,并且不同颜色的光从这些粒子散射的方式取决于这些层的细节和入射光束的波长。对于多层纳米粒子计算所有这些效应对于纳米粒子来说可能是一个密集的计算任务,并且随着层数的增加复杂性变得更糟。

研究人员希望看看神经网络是否能够预测新粒子散射光线的方式,而不仅仅是通过在已知的例子之间进行插值,而是通过实际确定一些允许神经网络外推的潜在模式。

“模拟非常准,所以当你将这些与实验进行比较时,它们都会一点一点地重现彼此,”明年将成为麻省理工学院博士生的Peurifoy说。“但是它们在数值上相当密集,所以需要相当长的一段时间,我们在这里想要看到的是,如果我们向神经网络展示一堆这些粒子的例子,许多不同的粒子的例子,神经网络是否可以发展'直觉'。“

果然,神经网络能够合理地很好地预测光散射图与波长图的确切模式 ,但非常接近,而且时间更少。Jing说,神经网络仿真“现在比仿真要快得多。“所以现在你可以用一个神经网络来代替真实的,它会给你一个相当准确的预测,但是它有一个价格,而且价格是我们必须首先训练神经网络,并且为了那么我们不得不产生大量的例子。“

然而,一旦网络被训练,任何未来的模拟都将获得加速的全部好处,所以它可能是需要重复模拟的情况的有用工具。但是该项目的真正目标是了解方法,而不仅仅是这个特定的应用。“我们对这个特定系统感兴趣的主要原因之一是让我们理解这些技术,而不仅仅是模拟纳米粒子,”Soljacic说。

下一步是基本上反过来运行程序,使用一组所需的散射特性作为起点,然后查看神经网络是否能够计算出实现该输出所需的纳米颗粒层的确切组合。

“在工程方面,已经开发了许多不同的反向设计技术,并且它是一个巨大的研究领域,”Soljacic说。“但是为了建立一个给定的逆设计问题,经常需要相当长的一段时间,所以在很多情况下,你必须成为该领域的专家,然后有时甚至花费几个月的时间来设置它来解决它。”

但是随着球队训练有素的神经,“我们没有做任何特别的准备,我们说'好吧,让我们试着往后跑。令人惊讶的是,当我们将其与其他一些更为标准的逆向设计方法进行比较时,这是有效方法之一,“他说。“它实际上比传统的反设计要快得多。”

合着者沉说:“我们这样做的是建立一个通用工具箱,任何普通受过良好教育的人都不是光子学专家,可以使用。。。。。。这是我们原来的动机,对于这个特殊情况显然很有效。“

某些类型的逆设计模拟中的加速可能非常重要。Peurifoy说:“苹果与苹果之间的确切比较是困难的,但是你可以有效地说你有数百倍的收益,所以收益非常可观 - 在某些情况下,它会从几天下降到几分钟“。

更多信息: J. Peurifoy等人,“Nanophotonic particle simulation and inverse design using artificial neural networks,” Science Advances(2018)。 

Read more at: 

上海快3走势图 澳门最有名彩票网站 535彩票 江苏快3APP 广西快3走势 全天江苏快3计划 彩票高賠率好平台 哪个彩票平台赔率最高 河北快3开奖 彩票高賠率好平台