


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.