OptoGPT — это новый алгоритм, использующий компьютерную архитектуру, на которой основан ChatGPT. Его создатели заявляют, что это позволит исследователям и инженерам разрабатывать многослойные оптические пленочные структуры для широкого спектра применений, включая солнечные элементы.
Инженеры Мичиганского университета разработали новый алгоритм, позволяющий проектировать многослойные оптические пленочные структуры для применения, в том числе в солнечных батареях.
OptoGPT (оптогенеративный предварительно обученный трансформатор) использует компьютерную архитектуру, лежащую в основе ChatGPT, для обратной работы от желаемых оптических свойств к аппаратной структуре, которая может их обеспечить.
Алгоритм создает многослойные пленочные структуры, состоящие из сложенных друг на друга тонких слоев разных материалов, примерно за 0,1 секунды. Хорошо спроектированные многослойные структуры могут максимизировать поглощение света в солнечном элементе, а также оптимизировать конструкцию других производителей оптических компонентов, таких как телескопы. По словам его создателей, модели OptoGPT содержат в среднем на шесть слоев меньше, чем предыдущие модели. Это означает, что его модели легче изготовить.
«Проектирование этих структур обычно требует обширной подготовки и опыта, поскольку определение наилучшего сочетания материалов и толщины каждого слоя — непростая задача», — сказал Л. Джей Го, профессор электротехники и информатики в Мичиганском университете. Модель работает, рассматривая материалы определенной толщины как слова и кодируя связанные оптические свойства в качестве входных данных. Он ищет корреляции между этими «словами» и прогнозирует следующее слово, чтобы создать «предложение», достигающее желаемого свойства. «В каком-то смысле мы создали искусственные предложения, соответствующие структуре существующей модели», — сказал Го.
Го является автором-корреспондентом «OptoGPT: базовая модель для обратного проектирования тонкопленочных многослойных оптических структур», исследовательская статья, недавно опубликованная в Оптоэлектронные достижения.
В документе говорится, что OptoGPT может «эффективно решать нетривиальную обратную задачу проектирования в многослойной структуре… «В сочетании со многими предложенными методами наша модель может унифицировать инверсное проектирование для разных типов входных целей с разными углами падения/поляризации, быть универсальной для разных типов структур, а также облегчить производственный процесс, обеспечивая разнообразие и гибкость. »
Исследователи признали, что, хотя они использовали для обучения крупномасштабный набор данных с 10 миллионами образцов, этот набор данных «охватывает лишь небольшую часть большого и сложного пространства проектирования, связанного с оптическими многослойными тонкопленочными структурами».
Они заявили, что из-за ограничений набора обучающих данных OptoGPT может не идентифицировать конструкции, выходящие за пределы выборочного пространства проектирования.
«Тесное сотрудничество между несколькими исследовательскими группами необходимо для получения лучшей модели для более общего и лучшего фотонного инверсного дизайна, который распространяется на более сложные структуры», — заключили исследователи.
Этот контент защищен авторским правом и не может быть повторно использован. Если вы хотите сотрудничать с нами и повторно использовать часть нашего контента, свяжитесь с нами: [email protected].
