创新的方法和工具在塑造光子学领域的设计，表征和优化中起着重要作用。 作为机器学习的一个子集，它使用层次结构化的层来学习数据的多层次抽象，深度学习提供了一种有效的手段来设计光子结构，产生了与传统的基于物理和基于规则的方法相辅相成的数据驱动方法。 在这里，我们通过提供历史背景，算法基础知识和关键应用，重点介绍用于特定光子任务的各种模型架构，来回顾基于深度学习的光子设计的最新进展。 我们还评论了这一新兴研究方向的挑战和观点。
您当前的位置： 首页 > [2021年第2期]情报条目详细信息
编译者：蒿巧利发布时间：2021-4-16点击量：10 来源栏目：基于原子的精密测量物理科技动态快报
创新的方法和工具在塑造光子学领域的设计，表征和优化中起着重要作用。 作为机器学习的一个子集，它使用层次结构化的层来学习数据的多层次抽象，深度学习提供了一种有效的手段来设计光子结构，产生了与传统的基于物理和基于规则的方法相辅相成的数据驱动方法。 在这里，我们通过提供历史背景，算法基础知识和关键应用，重点介绍用于特定光子任务的各种模型架构，来回顾基于深度学习的光子设计的最新进展。 我们还评论了这一新兴研究方向的挑战和观点。