Topologieoptimierung von optischen Nanoantennen mit gewünschten Multipolen
S. Bahmani, A. B. Evlyukhin, E. Hassan, A. Calà Lesina
- Optics Express, 2025 -
DOI: 10.1364/OE.559578
Topologie-Optimierung im Zeitbereich für die Verlustleistung in dispersiven dielektrischen und plasmonischen Nanostrukturen
J. Gedeon, I. Allayarov, A. Calà Lesina, E. Hassan
- IEEE Transactions on Antennas and Propagation, 2025 -
DOI: 10.1109/TAP.2024.3517156
Anapole plasmonische Meta-Atome für nahezu transparente Metamaterialien
E. Hassan, A. B. Evlyukhin, A. Calà Lesina
- Laser & Photonics Reviews, 2024 -
DOI: 10.1002/lpor.202400118
Erforschung der fundamentalen Grenzen von integrierten Strahlteilern mit beliebiger Phase durch Topologieoptimierung
A. Nanda, M. Kues, A. Calà Lesina
- Optics Letters, 2024 -
DOI: 10.1364/OL.512100
Topologieoptimierung im Zeitbereich für beliebige dispersive Materialien für breitbandige 3D-Nanophotonik Inverse Design
J. Gedeon, E. Hassan, A. Calà Lesina
- ACS Photonics, 2023 -
DOI: 10.1021/acsphotonics.3c00572
Topologie-Optimierung von dispersiven plasmonischen Nanostrukturen im Zeitbereich
E. Hassan, A. Calà Lesina
- Optics Express, 2022 -
DOI: 10.1364/OE.458080
(a) Verlauf der Zielfunktion und Beispiele, die die Entwicklung der optimierten Geometrie zeigen (siehe Visualisierung rechts). (b) Antennentopologie. (c) Durchschnittliche Feldvergrößerung im interessierenden Spektrum. (d)-(j) Feldverteilung bei den interessierenden Wellenlängen.
Plasmonische Farben durch Deep Learning vorhergesagt
J. Baxter, A. Calà Lesina, J.-M. Guay, A. Weck, P. Berini, L. Ramunno
- Scientific Reports, 2019 -
DOI: 10.1038/s41598-019-44522-7
Farbvorhersage und inverses Design
Deep Learning kann Farben vorhersagen, wenn es die Verteilung von Nanopartikeln oder die Laserparameter kennt. Bei Vorgabe einer gewünschten Farbe kann Deep Learning auch das inverse Problem lösen und eine eindeutige Lösung liefern.
