文 章 搜 索
 
最新 NEW10
1  太赫兹安检助力进博会
2  机器学习找到新型超材
3  石墨烯“打底”我国科
4  第七届深圳先进科学技
5  第七届深圳先进科学技
6  上海微系统所在太赫兹
7  6G基带技术有新进展
8  IRMMW-THz2
9  制造和控制光的晶体
10  石墨烯为太赫兹天文探
热门 TOP10 点击
 太赫兹科学技术的新发 63264
 (2011.10-2 53961
 (2011.7-20 28789
 (2012.10-2 26275
 (2011.4-20 23933
 石墨烯在微波光子学中 23417
 基于光学方法的THz 23408
 2007年国际红外与 22909
 (2012.04-2 21268
 (2012.07-2 20824
     文 章 新 闻 中 心
机器学习找到新型超材料设计方法以获取能量
发布时间:2019-11-04 08:45:19 阅读:74

来源:Ken Kingery(美国杜克大学);太赫兹研发网 余郑璟博士 编译

红外线照射的介电超电材料的图解
图片来源:杜克大学

    杜克大学的电气工程师们成功利用机器学习的力量来设计介电(非金属)超材料,这种材料可以吸收和发射太赫兹辐射的特定频率。这项设计技术将原本需要2000多年的计算时间缩短成了23小时,为新型、可持续的热能采集器和照明设备的设计发展道路扫清了障碍。

    这项研究发表在2019年9月16日最新一期的《光学快报》线上期刊上。

    超材料是一种集众多工程特性于一体的合成材料,正是因为这些合成特性,才能产生自然界中所不具备的结构特性,而并非化学特性。正因如此,太赫兹超材料是由2乘2的硅圆柱体网格构成的,类似于短小的方形乐高积木块。

    通过调整四个圆柱体的高度、半径和间距,超材料与其相互作用的光频也会发生相应的改变。

    计算完全相同一组圆柱体间的相互作用是一个简单的过程,可以通过商业软件来完成。但是,需要计算出哪个几何图形可以产生出所需的属性集这一逆向问题,就是一个困难得多的命题。

    因为每个圆柱体都会产生一个超出其物理边界的电磁场,它们之间会以一种不可预测的非线性方式相互作用。

    杜克大学电气与计算机工程教授威利•帕迪拉(Willie Padilla)表示:“如果你试图通过结合每个圆柱体的特性来建立理想的反应,你将得到一片峰值的森林,而不仅仅是它们各部分的总和。这是一个巨大的几何参数空间,而你完全一无所知——没有任何迹象表明该走哪条路。”

当由四个小圆柱体(蓝色)和四个大圆柱体(橙色)组成的介质超材料装置的频率响应被组合成一个由三个小圆柱体和一个大圆柱体(红色)组成的装置时,得到的响应看起来一点也不像原来两个圆柱体的简单组合。
图片来源:杜克大学

    一种能找到正确组合的方法就是模拟所有可能的几何图形,并选择最佳结果。但是,即使是一个简单的介电超材料,四个圆柱体中的每一个虽然都只能有13个不同的半径和高度,但也可以产生8.157亿个可能的几何形状。这样一来,即使在研究人员所能使用的最好的计算机上,也要花2000多年才能全部模拟出来。

    为了加快这一过程,帕迪拉(Padilla)和他的研究生克里斯蒂安•纳德尔(Christian Nadell)向机器学习专家,杜克大学电子与计算机工程助理研究教授乔丹•马洛夫(Jordan Malof)以及博士生黄博豪(音译)求教。

    马洛夫和黄博士创建了一种称为神经网络的机器学习模型,这种模型可以比原始的仿真软件更快地进行数量级的仿真。整个网络接受24个输入----每个圆柱体的高度、半径和半径与高度之比----在计算过程中随机分配权重和偏差,并对超材料的频响谱做出预测。

    首先必须“训练”神经网络来做出准确的预测。

    马洛夫继续说:“最初的预测与实际的正确答案相差甚远。但就像人类一样,整个网络可以通过简单地观察商业模拟器,逐渐学会做出正确的预测。” 每当网络出错时,它都会调整自己的权重和偏差,并不断重复,直到每次都得出正确的答案。

    为了最大限度地提高机器学习算法的准确性,研究人员对其进行了18,000次超材料几何形状的模拟训练。虽然这听起来像是一个很大的数字,但它实际上仅仅代表了所有可能组合的0.0022%。经过训练,神经网络可以在几分之一秒内产生高度精确的预测。

    然而,即使有了这一成功,它仍然只解决了给定几何形状如何产生频率反应的正向问题,尽管这一问题他们已经深谙其道。为了解决几何图形与给定频率反应相匹配的反向问题,研究人员不得不回归使用蛮力。

研究人员针对其机器学习系统采用了任意频率反应,用以发现超材来创造(圆圈)。
得到的解决方案(蓝色)与期望的频率反应以及用商业软件模拟的频率反应(灰色)非常吻合。
图片来源:Willie Padilla,杜克大学

    由于机器学习算法的速度比用于训练它的建模软件快近一百万倍,研究人员就让它解决8.157亿可能排列中的每一个排列的问题。机器学习算法只花了23个小时,而不是几千年。

    之后,搜索算法可以根据神经网络产生的可能性库匹配任何给定的期望频率响应。

    “我们不一定是这方面的专家,但谷歌每天都这样做,”帕迪拉说。“一个简单的搜索树算法每秒可以处理4000万张图。

    研究人员随后测试了他们的新系统,以确保其工作正常。纳德尔手绘了几幅频响图,并利用算法去选择能相互产生彼此的最佳超材料设置。然后,他通过商业模拟软件运行生成的答案,看看它们是否匹配得好。

    匹配得天衣无缝。

    凭借以这种方式设计介电材料的能力,帕迪拉和纳德尔正致力于设计一种新型的热光电器件,这种器件利用热源发电。这类装置的工作原理与太阳能电池板非常相似,只是它们吸收的是特定频率的红外光,而不是可见光。

    目前的技术辐射红外光的频率范围比红外太阳能电池所能吸收的范围要大得多,这其实是浪费了能量。然而,一种经过精心设计、调到特定频率的超材料,可以发出更窄波段的红外光。

    “金属基的超材料更容易调谐到这些频率,但当金属加热到这些设备所需的温度时,它们往往会融化,”帕迪拉说。“你需要一种可以承受高温的介电材料。现在我们有了机器学习部分,看起来这是可以实现的。”

 
 

打印本页 | 关闭窗口

版权所有© 2006-2019 太赫兹研发网 www.thznetwork.org.cn
网站地址:四川省成都市成华区建设北路二段四号 邮编:610041
ICP备案:蜀ICP备06010246号-1