Metamaterialen zijn kunstmatige materialen die zijn ontworpen om eigenschappen te hebben die niet voorkomen in natuurlijk voorkomende materialen, en ze zijn vooral bekend als materialen voor onzichtbaarheidsmantels die vaak voorkomen in sciencefictionromans of games. Door precies kunstmatige atomen te ontwerpen die kleiner zijn dan de golflengte van licht, en door de polarisatie en spin van licht te beheersen, onderzoekers bereiken nieuwe optische eigenschappen die niet in de natuur voorkomen. Echter, het huidige proces vereist veel vallen en opstaan ​​om het juiste materiaal te vinden. Dergelijke inspanningen zijn tijdrovend en inefficiënt; kunstmatige intelligentie (AI) zou een oplossing kunnen bieden voor dit probleem.

De onderzoeksgroep van Prof. Junsuk Rho, Sunae So en Jungho Mun van de afdeling Werktuigbouwkunde en de afdeling Chemische Technologie van POSTECH hebben een ontwerp ontwikkeld met een hogere mate van vrijheid waarmee onderzoekers willekeurig materialen kunnen kiezen en fotonische structuren kunnen ontwerpen met behulp van deep learning. Hun bevindingen zijn gepubliceerd in verschillende tijdschriften, waaronder: Toegepaste materialen en interfaces, Nanofotonica, Microsystemen en nano-engineering , Optica Express , en Wetenschappelijke rapporten .

AI kan worden getraind met een enorme hoeveelheid gegevens, en het kan ontwerpen leren van verschillende metamaterialen en de correlatie tussen fotonische structuren en hun optische eigenschappen. Met behulp van dit trainingsproces, het kan een ontwerpmethode bieden die een fotonische structuur maakt met gewenste optische eigenschappen. Eenmaal getraind, het kan snel en efficiënt een gewenst ontwerp leveren. Dit is al onderzocht bij verschillende instellingen in de V.S. zoals MIT, Stanford University en Georgia Institute of Technology. Echter, de eerdere studies vereisen vooraf input van materialen en structurele parameters, en het achteraf aanpassen van fotonische structuren.

Prof. Rho en zijn groep leerden een AI-systeem om willekeurige fotonische structuren te ontwerpen en gaven extra vrijheid van het ontwerp door soorten materialen te categoriseren en toe te voegen als een ontwerpfactor, waardoor het mogelijk werd om geschikte materialen te ontwerpen voor relevante optische eigenschappen. Analyse van metamaterialen verkregen via deze ontwerpmethode onthulde dat ze identieke optische eigenschappen hadden die werden voorspeld door het kunstmatige neurale netwerk.

Het onderzoeksteam, die verschillende onderzoeksresultaten hebben gepubliceerd over het ontwerp van metamaterialen en opticatheorie, gebruikte de programmeertaal Python. Hun ontwerpmethode is in veel opzichten revolutionair. Allereerst, het verminderde aanzienlijk de tijd die nodig was om fotonische structuren te ontwerpen. Het maakt verschillende ontwerpen van nieuwe metamaterialen mogelijk omdat wetenschappers niet langer beperkt zijn tot het uitvoeren van empirische ontwerpen om resultaten te verkrijgen.

De resulterende metamaterialen kunnen worden gebruikt in weergave, veiligheid, en militaire technologieën. In dit verband, introductie van AI in de ontwerpmethode zal naar verwachting een belangrijke bijdrage leveren aan de technologische ontwikkeling van metamaterialen.

Hoofdonderzoeker prof. Junsuk Rho zei:"Ons onderzoek was succesvol in het brengen van een hogere mate van vrijheid bij het ontwerpen, maar het nieuwe systeem vereist nog steeds dat gebruikers aan het begin bepaalde probleeminstellingen invoeren. Het leverde soms onhoudbare ontwerpen op, en maakte het daarom onmogelijk om gewenste metamaterialen te produceren. Dus ik wil graag een stap verder gaan met onze bevindingen door een complete ontwerpmethode van metamaterialen te ontwikkelen met behulp van AI. Ook, Ik wil graag innovatieve en praktische metamaterialen maken door AI te trainen met beoordelingen van het ontwerp dat is gemaakt met het oog op eindproducten."