A Universal Approach to Nanophotonic Inverse Design through Reinforcement Learning
Butz M; Leifhelm A; Becker M; Risse B; Schuck C
Forschungsartikel in Sammelband (Konferenz)Zusammenfassung
We present a novel method to perform universal black-box optimization of pixel-discrete nanophotonic devices based on reinforcement learning. We demonstrate the capabilities of our method for a silicon-on-insulator waveguide-mode converter with > 95\% conversion efficiency.
Details zur Publikation
Herausgeber*innen: Optica Publishing Group
Buchtitel: CLEO 2023, paper STh4G.3
Seitenbereich: STh4G.3-STh4G.3
Verlag: Optica
Erscheinungsort: San Jose
Status: Veröffentlicht
Veröffentlichungsjahr: 2023
Sprache, in der die Publikation verfasst ist: Englisch
Konferenz: CLEO: Science and Innovations 2023, San Jose, Vereinigte Staaten
Link zum Volltext: https://opg.optica.org/abstract.cfm?uri=CLEO_SI-2023-STh4G.3
Stichwörter: Effective refractive index, Evanescent wave coupling, Inverse problems, Mode conversion, Neural networks, Stochastic processes
Autor*innen der Universität Münster
| Becker, Marlon Marijn | |
| Butz, Marco | |
| Risse, Benjamin | |
| Schuck, Carsten |