基于深度学习的热辐射控制微结构材料分析

这篇科学报告探讨了基于深度学习的分析用于热辐射控制的微结构材料。该研究团队开发了一个深度神经网络来模拟有限差分时域的输出模拟，该网络使用源自材料复杂折射率的离散输入来区分材料，使模型能够在微纹理的几何形状、波长和材料之间建立关系。这种网络可以在不到一分钟的时间内综合模拟超过1,000,000种几何、波长、温度和材料的不同组合，与典型的FDTD模拟相比，速度提高了8个数量级以上。这种速度使我们能够快速执行全面的热光学优化，以设计先进的被动冷却或加热系统。基于深度学习的方法可以实现复杂的热学和光学研究，传统模拟是不可能的，我们的网络设计可用于有效替代其他微结构的光学模拟。