AI设计光学硬件

2025年5月2日•物理18，94

一种机器学习算法迅速生成的设计比人类开发的设计更简单。

光学和光子学领域的研究人员依靠与光相互作用的设备来运输它，扩大它或更改其频率，并且设计这些设备可能是需要人类创造力的艰苦工作。现在，一个研究团队已经证明，可以使用机器学习来自动化核心设计概念的发现，这可以快速为各种用途提供有效的设计[1]。该小组希望该方法能够简化使用光学，机械或电波或与这些波动类型的组合的科学家和工程师的研究和开发。

当研究人员在实验设置中需要传感器，放大器或类似元素时，他们会在早期实验中测试和证明的设计概念。``从字面上看，有数百篇文章描述了对设备设计的思想。研究人员通常会根据其特定需求调整现有设计。但是没有标准的程序可以找到最佳的设计，研究人员可能会错过更容易实施的简单设计。

受到科学机器学习应用的最新进展的启发，Marquardt及其同事想知道是否可以改善设计程序。他说，我们的目标是找到一种以某种自动化和有效的方式搜索可能的设计概念的方法。”

研究人员将可能的设计概念表示为相互链接的网络。一种模式可能是能够捕获微波，光波甚至机械振动的任何形式的谐振腔或结构。示例包括超导芯片中的微波腔或集成光子电路中的光腔。在网络表示中，模式之间的链接表示物理交互，使一种模式影响另一种模式。

团队的网络表示形式通过为模式之间的每个链接分配一个数字来反映连接的优势。还有一些输入模式，可以注入其中的信号，以及一些可以提供所需结果的输出模式。此表示允许机器学习来优化任何输入到输出关系的设计。团队开发的算法同时优化了网络结构和链接强度参数，以找到产生理想行为的设置。

Marquardt说，主要的挑战是找到一种有效的方法来经过大量可能的设计空间。”``我们根据前几个经过测试的网络，通过推断搜索的方式找到了一种方法。

为了测试他们的计划，Marquardt及其同事将其用于多个设计任务。例如，他们使用它来设计一种隔离器，该设备可提供完美的传输，而不会从输入到输出的能量损失，同时还可以确保零反向传输。已经开发了针对各种波长和应用的隔离器。该算法在简单的设置中很快找到了最有效的解决方案，该解决方案已被工程师使用常规技术发现。

但是在更具挑战性的设计案例中，研究人员发现，机器学习方法产生了以前未找到的优越的结果和新设计。例如，他们寻找适合从量子计算机放大信号的方案。在这里，设计的复杂性的关键度量是模式的数量和不同模式之间所需的交互途径的数量。到目前为止，已知的最佳设计依赖于具有六个相互作用途径的四种模式，但是自动化过程仅使用三种与三个相互作用途径的模式提供了相同行为的设计。该团队还描述了如何使用设计来为从微波到可见光的各种波长的波浪构建真实的硬件。

维也纳大学的量子控制和多体物理学专家安德烈亚斯·努南坎普（Andreas Nunnenkamp）说，这项研究既令人兴奋又及时。我想，这种自动化的科学发现将成为实验者和理论家工具箱中必不可少的一部分。

马克·布坎南（Mark Buchanan）

马克·布坎南（Mark Buchanan）是一位自由科学作家，在英国的Abergavenny和法国的Notre Dame de Courson之间将自己的时间分开了。