Der Abschnitt “Ergebnisse und Diskussion” dieses Artikels wird durch drei unterscheidbare Unterabschnitte artikuliert. Der erste Unterabschnitt wird die Ergebnisse aus der Schulung des Vorwärtsmodells analysieren. Der zweite Unterabschnitt wird die Wirksamkeit des Modells bei der Unterstützung von Designern von AOPS darstellen. Schließlich werden im letzten Unterabschnitt Ergebnisse des Inversmodells erörtert, wobei die bemerkenswerte Effizienz des DL-basierten Ansatzes bei der Bewältigung einer Schlüsselherausforderung im Bereich des Designs von optischen Schaltern im Mittelpunkt steht.
Im Abschnitt über das Vorwärts-DNN wird die Effektivität des Ansatzes bei der Analyse des Übertragungsspektrums innerhalb eines AOPS bewertet. Eine sorgfältig erstellte Schulungsdatensatz, kombiniert mit der optimierten Architektur des NN, hat ein Modell hervorgebracht, das über die Kapazität verfügt, spektrale Reaktionen über einen breiten Parameterraum vorherzusagen. Die Fähigkeit des Netzwerks, zu generalisieren, wie durch genaue Vorhersagen über die Schulungsdaten hinaus gezeigt, unterstreicht sein Potenzial bei der Approximation von Nanophotonik-Strukturen.
Als nächstes haben wir mit der Schulung des NN begonnen, indem wir den generierten Datensatz verwendet haben. Die Architektur des NN demonstriert, wie es Eingabeparameter verwendet, um die spektrale Antwort des entsprechenden AOPS vorherzusagen. Die Fähigkeit des NN, die geometrischen Parameter des AOPS präzise zu modellieren und vorherzusagen, wurde durch den Schulungsprozess und die Ergebnisse veranschaulicht.
Nach Abschluss des Schulungsprozesses wurden die Gewichte des NN zur einfachen Wiedergewinnung und Nutzung in Dateien gespeichert. Die Fähigkeit des DL-Verfahrens, das Übertragungsspektrum genau abzuschätzen, wurde durch eine detaillierte Untersuchung bestätigt, die in einem Trainingsszenario und darüber hinaus stattfand. Die Netzwerkleistung in der Nähe und entfernt von den Trainingsdaten legt nahe, dass das Modell robust und zuverlässig und in der Lage ist, Spektren auch außerhalb der Trainingsdaten genau anzupassen.
In der Diskussion der AOPS-Designs, die auf dem Vorwärts-DNN basieren, wird die Effizienz des NN-Modells demonstriert, indem es Designer beim Suchen optimaler Strukturen unterstützt. Die Verwendung des DL-Verfahrens für das Auffinden des optimalen Designs und die Simulation der RRs im linearen und nichtlinearen Betriebsregime verdeutlichen die Funktionalität und Wirksamkeit des vorgeschlagenen Ansatzes.
Im Inversen DNN werden die Ergebnisse der Studie präsentiert, um die Effektivität des DL bei der Bewältigung inverser Designprobleme zu demonstrieren. Durch die Entwicklung eines NN-Modells, das auf inverses Design ausgelegt ist, wird die Fähigkeit von NNs zur Vorhersage von Designparametern aus Übertragungsspektren hervorgehoben. Die robusten Vorhersagen des Modells können ohne direkte empirische Informationen standhalten und bieten wertvolle Einblicke in die operationellen Prinzipien und Designparameter von AOPS.