KIT | KIT-Bibliothek | Impressum | Datenschutz

Neural Operator-Based Surrogate Solver for Free-Form Electromagnetic Inverse Design

Augenstein, Yannick ORCID iD icon 1; Repän, Taavi; Rockstuhl, Carsten 1,2
1 Institut für Theoretische Festkörperphysik (TFP), Karlsruher Institut für Technologie (KIT)
2 Institut für Nanotechnologie (INT), Karlsruher Institut für Technologie (KIT)

Abstract:

Neural operators have emerged as a powerful tool for solving partial differential equations in the context of scientific machine learning. Here, we implement and train a modified Fourier neural operator as a surrogate solver for electromagnetic scattering problems and compare its data efficiency to existing methods. We further demonstrate its application to the gradient-based nanophotonic inverse design of free-form, fully three-dimensional electromagnetic scatterers, an area that has so far eluded the application of deep learning techniques.


Volltext §
DOI: 10.5445/IR/1000157875
Veröffentlicht am 14.04.2023
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Nanotechnologie (INT)
Institut für Theoretische Festkörperphysik (TFP)
Publikationstyp Forschungsbericht/Preprint
Publikationsjahr 2023
Sprache Englisch
Identifikator KITopen-ID: 1000157875
HGF-Programm 43.32.02 (POF IV, LK 01) Designed Optical Materials
Umfang 17 S.
Vorab online veröffentlicht am 04.02.2023
Nachgewiesen in arXiv
Dimensions
Relationen in KITopen
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page