用于红外宽带吸收器的深度学习网络模型框架

揭示复杂的光物质相互作用,必须简化超材料的正向和反向按需设计。近年来深度学习作为一种流行的数据驱动方法,在很大程度上缓解了数值模拟耗时长、重经验的特点。提出了一种基于全连接的深度神经网络框架实现宽带吸收器的逆向设计和光谱预测。结果表明,深度神经网络(DNN)模型的准确度为87.47%;与传统的数值算法相比,该模型不仅在确保精确度的同时获得更高的效率,而且可为超材料按需设计性能提供参考。

资料为PDF文档格式.

本文档关键词:深度,模型,框架,吸收,用于