用深度神经网络实现高精度纳米光子器件的光谱计算

邱维阳，何  成，郑根让，易巧玲

(中山职业技术学院，广东中山 528400)

摘要：作为一种数据驱动的研究方法，深度学习已改变了许多研究领域，如计算机视觉、自然语言处理，并已拓展至农业、航空航 天、医疗保险等传统行业。本研究基于深度学习这一数据驱动研究方法，开发了一个深度神经网络模型，用于快速光谱计算。仅使 用设计空间中一万亿分之一的样本来训练模型，但该模型以超高的精度预测了光谱，将完整数据集的均方根误差低至2.2%,对于 清洗后的数据集，均方根误差仅为1.3%,显示了深度学习在光学器件设计中的巨大潜力。

关键词：数据驱动；机器学习；深度学习；纳米光子学；超材料

基金项目：本研究得到了中山职业技术学院高层次人才科研启 动项目(KYG2203)、广东省教育厅科研项目(2020KTSCX333)和中山市社会公益与基础研究项目(2020B2056)的资助