基于生成神经网络的自适应热控薄膜设计

作     者：陈嘉诚 马蔚 朱虹雨 周玉晟 詹耀辉 李孝峰 Chen Jiacheng;Ma Wei;Zhu Hongyu;Zhou Yusheng;Zhan Yaohui;Li Xiaofeng

作者机构：苏州大学光电科学与工程学院江苏苏州215006 江苏省先进光学制造技术重点实验室暨教育部现代光学技术重点实验室江苏苏州215006 浙江大学信息与电子工程学院浙江杭州310027 

出 版 物：《光学学报》 (Acta Optica Sinica)

年 卷 期：2024年第44卷第7期

页      面：261-270页

核心收录：

学科分类：080705[工学-制冷及低温工程] 08[工学] 0807[工学-动力工程及工程热物理] 0805[工学-材料科学与工程（可授工学、理学学位）] 0702[理学-物理学] 

基　　金：国家自然科学基金(62175174) 国家重点研发计划(2022YFB4200904) 江苏省自然科学基金(BK20221357) 

主　　题：薄膜 多层膜 神经网络 自适应温度调控 二氧化钒 

摘      要：自适应温度调控器件以其智能开关特性而逐渐成为研究焦点,但是一方面其特殊的光谱要求使得器件设计过程复杂且周期冗长,另一方面器件热控性能亟待提高以满足更加严苛的应用场景。针对以上问题,提出一种深度生成神经网络模型来执行上述复杂的优化任务,该网络模型的更新不依赖于数据集,而是将生成神经网络与传输矩阵方法(TMM)相结合,通过TMM返回的梯度信息指导产生符合预期的多层膜结构,并自动优化膜层厚度和材料种类。作为网络优化能力的验证和演示,本课题组使用该方法设计了一种基于二氧化钒的自适应热控器件,实现了高温太阳吸收比低于0.2、高温发射率高于0.9、发射率差值大于0.8的优异性能。与传统的优化算法相比,生成神经网络以高自由度和更快的速度寻找最优解,与普通神经网络相比,全局优化网络考虑整体的优化目标,通过全局搜索寻找全局最优解,设计结果也证明了该方法在复杂设计任务中的实用性。