초차원 전자 액체의 결정화

기계 학습을 통한 비전통적 광학 설계를 발견하는 것은 온칩 회로, 이미징, 센싱, 에너지 및 양자 정보 기술의 발전을 약속합니다. 이 발표에서는 열광전지, 반사 광학, 양자 광자 회로 및 빛돛 기술의 응용을 위해 기계 학습을 지원하는 위상 최적화를 선보이기 위한 광자 설계 접근 방식과 새로운 소재 플랫폼에 대해 논의합니다. 우리는 메타표면의 광범위한 설계 공간을 더 작은 탐색 공간으로 압축하는 오토인코더의 효과를 보여줍니다. 그렇게 구축된 더 작은 공간 내에서 최적의 메타표면 설계를 찾기 위해 접속 방법이나 양자 어닐링을 통한 글로벌 최적화를 적용할 수 있습니다. 이 작업에 사용된 기술들은 메타표면 최적화 공간을 넘어 공학 및 물리학의 다양한 역설계 문제로 확장됩니다. 우리는 또한 양자 측정 및 이미징을 발전시키기 위해 기계 학습 접근 방식을 적용합니다.