Key points are not available for this paper at this time.
Zusammenfassung Der Mikro-Elektromechanische Systeme Fabry-Perot (MEMS-FP) Filter ist ein entscheidendes photosensibles Element innerhalb der optischen Instrumentierung und spielt eine integrale Rolle in verschiedenen optischen Anwendungen, einschließlich der Frequenzauswahl-Spektroskopie und der spektralen Analyse. Der Aufstieg der MEMS-FP-Technologie hat erheblich zu den Fortschritten im optischen Bereich beigetragen und unterstreicht die Notwendigkeit präziser vorgefertigter theoretischer Vorhersagen der Geräte-Eigenschaften durch Finite-Elemente-Analyse (FEA). Dennoch stellt die Komplexität des dreidimensionalen Modells von MEMS-FP-Strukturen, kombiniert mit der komplizierten Natur von Finite-Elemente-Simulationen, erhebliche Herausforderungen dar, die den Fortschritt in der MEMS-FP-Forschung behindern. Um diese Herausforderungen zu bewältigen, führt dieses Papier einen neuartigen Ansatz ein, der Reinforcement Learning (RL) für das automatisierte Design von MEMS-FP-Geräten verwendet. Diese Methode umfasst die Entwicklung eines Deep Q-Network (DQN)-Algorithmus, die Formulierung einer maßgeschneiderten Belohnungsfunktion und eine innovative Strategie zur Aktualisierung des Status der MEMS-FP-Geräte. Verschiedene Entwurfsansätze für MEMS-FP-Geräte können durch die MEMS-FP-Zustandsuche erlangt werden. Die Diskrepanz zwischen dem Entwurfsschema des MEMS-FP-Geräts und dem Leistungsindex kann mittels einer Belohnungsfunktion bewertet werden. Der DQN-Algorithmus ist so gestaltet, dass er das Netzwerk aktualisiert, das für die Vorhersage von Q-Werten verantwortlich ist. Der durch unsere Methode trainierte Agent kann schnell das Designschema des MEMS-FP-Geräts berechnen, das einen bestimmten Leistungsindex erfüllt, wenn ihm der Leistungsindex des MEMS-FP-Geräts bereitgestellt wird. Durch die Kombination von Reinforcement Learning mit der Forschung zu MEMS-FP-Geräten identifiziert dieser Ansatz geschickt optimale Designkonfigurationen, die bestimmte Leistungsanforderungen mit verbesserter Präzision und Effizienz erfüllen und den Fortschritt von MEMS-FP-Geräten fördern.
Liu et al. (Thu,) haben diese Frage untersucht.