بهینه‌سازی نانوبلورهای فوتونی برای نامرئی‌سازی با هوش مصنوعی

نوع مقاله : مقاله پژوهشی

نویسنده

گروه مهندسی برق، دانشگاه پیام‌نور، تهران، ایران

چکیده

بلورهای فوتونی، ساختارهایی هستند که با ایجاد تغییرات متناوب در ضریب شکست، می‌توانند انتشار نور را کنترل کنند. این ساختارها با ایجاد شکاف باند، امکان هدایت امواج الکترومغناطیسی در جهات خاص و پنهان کردن اشیاء را فراهم می‌کنند. بلور فوتونی به‌عنوان ساختارهای میکروسکوپی با ویژگی‌های نوری منحصربه‌فرد، در طراحی سیستم‌های نامرئی‌سازی کاربرد دارند. با این‌حال، طراحی و بهینه‌سازی این ساختارها به‌خصوص با روش‌های جدید مانند یادگیری عمیق به‌طور کامل مورد بررسی قرار نگرفته است. استفاده از روش‌های یادگیری عمیق می‌تواند در این زمینه بسیار مفید باشد و بنابراین در این مقاله، از معماری شبکه عصبی عمیق ResNet، برای بهینه‌سازی بلورهای فوتونی استفاده شده است. ResNet با استخراج ویژگی‌های پیچیده و غیرخطی از داده‌های ورودی، می‌تواند به طراحان در انتخاب مواد مناسب و تعیین ابعاد و آرایش بهینه نانوساختارهای بلور فوتونی برای نامرئی‌سازی کمک کند. پدیده شکست منفی در بلورهای فوتونی و نحوه انتشار نور در نامرئی‌ساز پیشنهادی با یادگیری عمیق، با شبیه‌سازی FDTD مورد مطالعه قرار گرفت. نتایج نشان داد که طراحی مناسب بلورهای فوتونی با استفاده از یادگیری عمیق می‌تواند به ایجاد ساختارهای کارآمد کمک کند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Optimization of Photonic Nanocrystals for Invisibility Using Artificial Intelligence

نویسنده [English]

  • Z. Dorrani
Department of Electrical Engineering, Payame Noor University, Tehran, Iran
چکیده [English]

Photonic crystals are structures that can control the propagation of light by creating periodic changes in the refractive index. These structures facilitate directing electromagnetic waves in specific directions and making objects invisible by creating a bandgap. Photonic crystals, as microscopic structures with unique optical properties, are used in the design of invisibility systems. However, the design and optimization of these structures, especially with new methods like deep learning, have not been thoroughly investigated. Utilizing deep learning techniques can be highly beneficial in this area. Therefore, this paper employs the deep neural network architecture ResNet to optimize photonic crystals. ResNet can assist designers in selecting suitable materials and determining the optimal dimensions and arrangements of photonic nanostructured crystals for invisibility by extracting complex and nonlinear features from input data. The phenomenon of negative refraction in photonic crystals and the way light propagates in the proposed invisibility were studied using FDTD simulation. The results indicated that appropriate design of photonic crystals using deep learning could contribute to the creation of efficient structures.

کلیدواژه‌ها [English]

  • Photonic crystals
  • Metamaterials
  • ResNet architecture
  • Invisibility
  • Deep learning

مراجع

  1. Khan MS, Shakoor R, Fayyaz O, Ahmed EM. A focused review on techniques for achieving cloaking effects with metamaterials. Optik. 2023:171575. https://doi.org/10.1016/j.ijleo.2023.171575
  2. Dorrani Z. Biosensor for detection of biological components using photonic crystal. Majlesi J Electr Eng. 2023;12(3):135-9. Doi: 10.30486/mjtd.2023.1984324.1032
  3. Molaei-Yeznabad A, Abedi K. Optimal design of graphene-based plasmonic enhanced photodetector using PSO. Sci Rep. 2024;14(1):15291. https://doi.org/10.1038/s41598-024-65311-x
  4. Long Y, Zou L, Yu L, Hu H, Xiong J, Zhang B. Inverse design of topological photonic time crystals via deep learning. Opt Mater Express. 2024;14(8):2032-9. https://doi.org/10.1364/OME.525396
  5. Aghaei GhR, Izadpanah MR, Eftekhari M. Prediction of structural characteristics and magnetic properties of nanostructured Fe-Ni powders by artificial neural network. J Adv Mater Eng (Esteghlal) 2022; 32(2): 117-24 (In Persian). https://doi.org/20.1001.1.2251600. 1392
  6. Yao K, Zheng Y. Deep-Learning-Assisted Inverse Design in Nanophotonics. Nanophotonics and Machine Learning: Concepts, Fundamentals, and Applications: Springer; 2023; 13(1):113-140. https:// doi.org/10.1007/978-3-031-20473-9_4
  7. Dorrani Z. Two-dimensional Photonic Crystal Sensor for Detection of Biomaterial. Majlesi J Electr Eng. 2020;14(1):25-8. https://mjee.isfahan.iau.ir/article_ 696385.html
  8. Dorrani Z. Negative Refraction, Subwavelength Lensing Effect and Total Mirror with a Photonic Crystal Structure. Majlesi J Electr Eng. 2018;12(1): 55-60. https://mjee.isfahan.iau.ir/article_696385.html
  9. Noguchi T, Matsumoto T, Miyake A, Igami Y, Haruta M, Saito H, et al. A dehydrated space-weathered skin cloaking the hydrated interior of Ryugu. Nat Astron. 2023;7(2):170-81. https://doi. org/10.1038/s41550-022-01841-6
  10. Dorrani Z. Traffic scene analysis and classification using deep learning. Int J Eng. 2023;37(3):496-502. https://doi.org/10.5829/ije.2024.37.03c06
  11. Dorrani Z. Road Detection with Deep Learning in Satellite Images. Majlesi J Telecom Dev. 2023;12 (1):43-7. https://doi.org/10.30486/mjtd.2023.1979006. 1024
  12. Ma W, Cheng F, Liu Y. Deep-learning-enabled on-demand design of chiral metamaterials. ACS Nano 2018;12(6):6326-34. https://doi.org/10.1021/acsnano. 8b03569
  13. Wei H, Chen X, Zhao D, Zhao M, Wang Y, Zhang P.Temperature sensing based on defect mode of one-dimensional superconductor-semiconductor photonic crystals. Cryst. 2023;13(2):302-311. https://doi.org/ 10.3390/cryst13020302
  14. Akbarshahi L, Ghassai H. Investigation of Key Factors on Manufacture of Fused Silica Parts by Gel-Casting Method. J Adv Mater Eng (Esteghlal) 2022; 33(1):117-126 (In Persian). https://doi.org/20.1001. 1.2251600.1393.33.1.10.6
  15. Naderi-Samani H, Shoja Razavi R, Mozafarini R. Investigating the Effect of Laser Wavelength and Environment on the Synthesis of Copper and Copper Oxide Nanoparticles by Nanosecond Nd:YAG Laser in Liquid. J Adv Mater Eng (Esteghlal) 2024;43(1): 27-39 (In Persian). https://doi.org/10.47176/jame.43.1.1037
  16. Zamani A, Loghman Estraki MR, Hosseini SR, Ramezani M, Al-Haji A. Influence of Temperature, Time,pH,Capping Agent Concentration and Zn/Se Molar Ratio on Morphology and Phase Evolution of Zinc Selenide Nanoparticles Synthesized by Hydrothermal J Adv Mater Eng (Esteghlal) 2022;39(3):19-39 (In Persian). https://doi.org/10.47176/jame.43.1.1037
  17. Jafari E, Mansouri-Birjandi MA, Tavousi A. Achieving high sensitivity by adding rings to a plasmonic metasurface with nano-holes. Mater Sci Eng B. 2024; 299:117046. https://doi.org/10.1016/j.mseb.2023.117046
  18. Adibnia E, Ghadrdan M, Mansouri-Birjandi MA. Chirped apodized fiber Bragg gratings inverse design via deep learning. Optics & Laser Technology. 2025; 181:111766. https://doi.org/10.1016/j.optlastec.2024. 111766
  19. Dorrani Z, Farsi H, Mohamadzadeh S. Deep Learning in Vehicle Detection Using ResUNet-a Architecture. Jordan J Electr Eng. 2022;8(2):160-176 .https://doi.org/10.5455/jjee.204.1638861465
  20. Long Y, Zou L, Yu L, Hu H, Xiong J, Zhang B. Inverse design of topological photonic time crystals via deep learning. Opt Mater Express 2024;14(8): 2032-9. https://doi.org/10.1364/OME.525396

 

 

 

مواد پیشرفته در مهندسی
دوره 44، شماره 1
دی 1403
صفحه 55-70

فایل ها

هم رسانی

ارجاع به این مقاله

آمار

ارتقاء امنیت وب با وف ایرانی