当前位置: 首页 > 资讯 > 读点 > 查看内容

利用机器学习为能量收集技术找到新型超材料

admin| 2020-1-6 14:16

超材料是由许多单独的工程特性组成的合成材料,这些特性通过其结构而不是化学性质共同产生自然界中没有的特性。在这种情况下,太赫兹超材料是由一个2×2的硅圆柱体网格组成,类似于一个短的方形乐高。 ...
  

上图是红外线照射下的介电超材料的示意图。图片来源:杜克大学。

杜克大学的电气工程师利用机器学习的方法,设计出吸收和发射特定频率太赫兹辐射的介电(非金属)超材料。这项设计技术将2000多年的计算时间改为23小时,为新型、可持续的热能采集器和照明设备的设计扫清了道路。

这项研究于近日发表在《光学快报Optics Express》杂志上。

超材料是由许多单独的工程特性组成的合成材料,这些特性通过其结构而不是化学性质共同产生自然界中没有的特性。在这种情况下,太赫兹超材料是由一个2×2的硅圆柱体网格组成,类似于一个短的方形乐高。

调整四个圆柱体的高度、半径和间距会改变超材料与之交互的光的频率。

为一组相同的圆柱体计算这些相互作用是一个简单的过程,可以通过商业软件来完成。但是,计算出哪个几何图形会产生一组所需属性的逆问题是一个困难得多的命题。。

因为每个圆柱体都会产生一个超出其物理边界的电磁场,它们以一种不可预测的非线性方式相互作用。

杜克大学电气与计算机工程教授Willie Padilla说:“如果你试图通过组合每个圆柱体的特性来建立一个理想的响应,你将得到一个群峰,而不仅仅是它们的部分之和。这是一个巨大的几何参数空间,你将会在其中完全瞎了眼,看不出该走哪条路。”

当由四个小圆柱体(蓝色)和四个大圆柱体(橙色)组成的介电超材料装置的频率响应组合成由三个小圆柱体和一个大圆柱体(红色)组成的装置时,由此产生的响应看起来并不像是原始响应和原始响应的直接组合。图片来源:杜克大学。

找到正确组合的一种方法是模拟每个可能的几何体并选择最佳结果。但即使对于一种简单的介电超材料,四个圆柱体中的每一个都只能有13个不同的半径和高度,也有81570万个可能的几何形状。即使在研究人员所能使用的最好的计算机上,也需要2000多年的时间才能全部模拟出来。

为了加快这一进程,帕迪拉和他的研究生克里斯蒂安·纳德尔求助于机器学习专家乔丹·马洛夫(Jordan Malof)以及其博士生黄博豪(Bohao Huang),后者是杜克大学电气和计算机工程助理研究教授。

MalofHuang创建了一种称为神经网络的机器学习模型,该模型能够比原始仿真软件更快地有效地执行数量级的仿真。该网络采用24个输入,每个圆柱体的高度、半径和半径与高度之比在整个计算过程中分配随机权重和偏差,并对超材料的频率响应谱进行预测。

然而,首先,神经网络必须经过“训练”才能做出准确的预测。

Malof说:“最初的预测看起来与实际的正确答案完全不同。但像人类一样,神经网络可以通过简单地观察商业模拟器逐渐学会做出正确的预测。神经网络在每次出错时都会调整权重和偏差,并反复进行调整,直到每次都产生正确的答案。”

为了最大限度地提高机器学习算法的准确性,研究人员对其进行了18000个个体的超材料几何模拟训练。虽然这听起来像是一个很大的数字,但实际上它只占所有可能配置的0.0022%。经过训练,神经网络可以在短短几秒钟内产生高精度的预测。

然而,即使取得了这一成功,它仍然只解决了产生给定几何体频率响应的正向问题,而他们已经可以做到这一点。为了解决将一个几何体与给定频率响应匹配的反问题,研究人员恢复了希望。

上图所示为研究人员为他们的机器学习系统选择了任意的频率响应来寻找要创建的超材料(圆)。得到的解(蓝色)与期望的频率响应和商业软件(灰色)的模拟结果吻合得很好。

由于机器学习算法比用来训练它的建模软件快近百万倍,研究人员只需让它解决81570万个可能排列中的每一个。机器学习算法只用了23个小时,而不是数千年。

之后,搜索算法可以将任何给定的期望频率响应与神经网络创建的可能性库相匹配。

Padilla说:“我们不一定是这方面的专家,但谷歌每天都在这么做。一个简单的搜索树算法每秒可以遍历4000万个图形。”

研究人员随后测试了他们的新系统,以确保其工作正常。Nadell手画了几个频率响应图,并要求算法选择最能产生每一个的超材料设置。然后,他通过商业模拟软件运行得到的答案,看看它们是否匹配得很好。

事实上,他们做到了。

帕迪拉和纳德尔有能力以这种方式设计介电超材料,他们正致力于设计一种新型的热光电器件,这种器件通过热源产生电能。这种装置的工作原理与太阳能电池板很相似,只是它们吸收特定频率的红外光而不是可见光。

目前的技术辐射红外光的频率范围远比浪费能量的红外太阳能电池吸收的频率范围宽。然而,一种精心设计的、调谐到特定频率的超材料可以在更窄的波段发射红外光。

“金属基超材料更容易调谐到这些频率,但当金属加热到这些设备所需的温度时,它们往往会熔化,” Padilla说。“你需要一种能承受高温的介电超材料。现在我们有了机器学习的部分,看来这确实是可以实现的。”

来源:https://phys.org/news/2019-09-machine-metamaterial-energy-harvesting.html

收藏 邀请

最新评论

实验帮资讯 ( 京ICP备11049251号-2 )

返回顶部