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.
