MAPS: Multi-Fidelity AI-Augmented Photonic Simulation and Inverse Design Infrastructure
Created by
- Haebom
Category
Empty
저자
Pingchuan Ma, Zhengqi Gao, Meng Zhang, Haoyu Yang, Mark Ren, Rena Huang, Duane S. Boning, Jiaqi Gu
개요
MAPS는 광자 소자 최적화를 위한 역설계 과정을 가속화하기 위해 설계된, 다중 충실도 AI 증강 광자 시뮬레이션 및 역설계 인프라입니다. 기존 수치 방법보다 훨씬 빠른 시뮬레이션 및 설계 생성을 가능하게 하는 AI 기반 광자 시뮬레이션 및 설계의 최근 발전에도 불구하고, 오픈 소스 표준화된 인프라와 평가 벤치마크의 부재로 접근성과 학제 간 협업이 제한되어 왔습니다. MAPS는 이러한 문제를 해결하기 위해 데이터 획득 프레임워크(MAPS-Data), AI 기반 광자 학습 프레임워크(MAPS-Train), 고급 역설계 툴킷(MAPS-InvDes)의 세 가지 구성 요소로 구성되어 있습니다. 이를 통해 광자 하드웨어 최적화 및 과학적 기계 학습의 혁신을 가속화합니다.
시사점, 한계점
•
시사점:
◦
오픈 소스 기반의 통합 플랫폼 제공을 통해 AI 기반 광자 설계 워크플로우 개발 및 벤치마킹을 용이하게 합니다.
◦
다중 충실도 데이터셋을 활용하여 AI 기반 광학 연구의 데이터 기반을 강화합니다.
◦
유연한 AI 기반 광자 학습 프레임워크를 통해 다양한 모델 구축과 평가가 가능합니다.
◦
고급 역설계 툴킷을 통해 복잡한 물리적 현상을 추상화하고 제조 변동성 모델을 통합합니다.
◦
광자 하드웨어 최적화 및 과학적 기계 학습의 혁신을 가속화할 것으로 예상됩니다.
•
한계점:
◦
현재 시점에서 실제 상용 하드웨어 적용 및 성능 검증에 대한 결과는 제시되지 않았습니다.
◦
MAPS의 확장성과 다양한 광자 소자에 대한 적용 가능성에 대한 추가적인 연구가 필요합니다.
◦
제시된 데이터셋의 규모와 다양성에 대한 구체적인 정보가 부족합니다.
◦
다른 기존의 AI 기반 광자 설계 방법론과의 비교 분석이 부족합니다.
