Metasurfaces for field control and detection
PulseAugur coverage of Metasurfaces for field control and detection — every cluster mentioning Metasurfaces for field control and detection across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型 XL MIMO 系统实现波域神经网络推理
研究人员开发了一种新颖的方法，通过将神经网络计算与无线信道本身集成，直接对无线传输的数据执行机器学习推理。该方法在接收端使用配备堆叠智能超表面 (SIM) 的 eXtremely Large Multiple-Input Multiple-Output (XL MIMO) 系统。该系统充当两层神经网络，其中无线信道构成第一层，SIM 实现第二层可控层。通过利用极端学习机 (ELM) 框架，该架构展示了通用逼近能力，并实现了与理想化数字…
-
新型超表面相机实现可见光谱的宽带成像
研究人员开发了一种新颖的协作式超表面元件阵列，能够跨越整个可见光谱进行宽带成像。该设计通过分布式超光学学习方法联合优化了1亿个纳米柱，克服了传统超透镜的波长依赖性限制。由此产生的相机在模拟和实验测试中表现良好，不受场景照明的影响，并集成了视差感知和噪声感知的重建。
-
大型语言模型有望彻底改变纳米光子学的设计和发现
一篇新的综述文章探讨了大型语言模型（LLMs）在纳米光子学领域的融合。文章详细介绍了LLMs如何通过提供语义接口、生成代码和协调仿真工具，超越传统的神经网络。这些模型主要有两种应用方式：作为结构-光谱映射的代理模型，以及作为能够自主优化的代理系统。该综述还触及了在材料科学和无线通信等相关领域的潜在应用，并设想了未来能够作为科学发现的积极协作者的多模态基础模型。
-
基础模型和LLM推动纳米光子学设计和发现
研究人员开发了MOCLIP，一个用于纳米光子学逆向设计的基礎模型，利用对比学习整合了几何和光谱表示。该模型实现了高通量零样本预测，能够快速设计超表面，并展示了在光学信息存储方面的潜力。一篇相关的评述探讨了大语言模型（LLMs）在纳米光子学中的应用，超越了传统神经网络，转向基于LLM的方法，这些方法能够生成代码并协调模拟工作流程以实现自主科学发现。
-
AI框架将超表面设计时间从数月缩短至数秒
研究人员开发了用于超表面逆向设计的新型生成框架，超表面对于操纵电磁波至关重要。一种方法使用具有特征化调制和多样性正则化的渐进式生成GAN，以实现可控且物理上一致的合成。另一种方法采用物理引导的条件扩散框架，该框架包含制造感知约束和预训练的代理电磁模拟器，以实现高效准确的设计生成。这些方法将设计时间从数月显著缩短至数秒，并在生成可实现的超表面吸收器方面取得了高精度。