Science >> Wetenschap >  >> Fysica

Onderzoek naar trends in AI-aangedreven metafotonica-onderzoek

(a) Diagram van reverse engineering en forward modeling / (b) Diagram van optische netwerken (ONN's)/ (c) Metasensoren. Krediet:POSTECH

Een onderzoeksteam heeft een artikel gepubliceerd in Current Opinion in Solid State and Materials Science waarbij de volgende generatie onderzoekstrends wordt benadrukt die metafotonica-onderzoek combineren met kunstmatige intelligentie.



Metalenses hebben een revolutie in de optica teweeggebracht, waarbij de conventionele lensdikte drastisch is teruggebracht tot één/10.000ste, terwijl de controle over de lichteigenschappen behouden blijft. Opvallend is dat de academische gemeenschap AI is gaan inzetten als een kaartinstrument om relaties tussen input- en outputgegevens te onderscheiden. In hun paper schetst het onderzoeksteam drie belangrijke trends die voortkomen uit AI-aangedreven metafotonica-onderzoek.

Eerder onderzoek met simulaties om op metamaterialen gebaseerde apparaten te ontwikkelen was een tijdrovende onderneming. Met de toepassing van AI-technologie hebben onderzoekers echter snelle voorspellingen van optische eigenschappen gedaan op basis van invoergegevens, waardoor ze aanzienlijk tijd en energie besparen. Door gegevens over optische eigenschappen in AI-systemen in te voeren, kunnen onderzoekers nu optische apparaten met de gewenste eigenschappen ontwerpen.

Op het gebied van optische neurale netwerken ontstaat een snelgroeiend veld van optische computertechnologie, met als doel AI met de snelheid van het licht mogelijk te maken door metamaterialen te gebruiken om informatie in licht om te zetten.

Het onderzoeksteam, bestaande uit professor Junsuk Rho van de afdeling Werktuigbouwkunde, de afdeling Chemische Technologie en de afdeling Elektrotechniek, en Ph.D. kandidaten Seokho Lee en Cherry Park van de afdeling Werktuigbouwkunde van de Pohang University of Science and Technology (POSTECH), biedt een fris perspectief op de synergie tussen AI en toekomstig metafotonica-onderzoek door optische neurale netwerken te classificeren in encoders, verantwoordelijk voor het comprimeren en abstraheren van informatie , en decoders, belast met het interpreteren van informatie.

(a) ONN-encoder / (b) ONN-decoder. Krediet:POSTECH

Het team benadrukte ook metasensoren op basis van metamaterialen als een onderzoekstrend van de volgende generatie. Metasensoren, apparaten die gemeten gegevens in licht coderen en deze tegelijkertijd versterken, maken opmerkelijk nauwkeurige en snelle gegevensanalyse mogelijk wanneer ze worden geïntegreerd met AI. Deze metasensoren zijn veelbelovend in verschillende domeinen, waaronder de diagnose en behandeling van patiënten, omgevingsmonitoring, beveiliging en nog veel meer, waardoor de zeer gedetailleerde detectie en analyse van gegevens mogelijk wordt gemaakt.

Professor Junsuk Rho zei:"Dit artikel presenteert het traject van metafotonica-onderzoek, dat inspanningen uit het verleden, het heden en de toekomst omvat, variërend van recent onderzoek tot uitdagingen en toekomstige trends. We anticiperen op verder creatief en innovatief onderzoek dat inspeelt op de intrinsieke eigenschappen van AI en metamaterialen."

Meer informatie: Seokho Lee et al., Informatie en licht in kaart brengen:Trends van AI-enabled metafotonica, Huidige opinie in de wetenschap van vaste stoffen en materialen (2024). DOI:10.1016/j.cossms.2024.101144

Aangeboden door Pohang Universiteit voor Wetenschap en Technologie