XiaoMi-AI文件搜索系统
World File Search SystemInverse
具有现实元素的血浆超材料设备的逆设计
摘要在先前的研究的扩展中（Rodríguez等2021 Phys。修订版应用。16 014023），我们采用逆设计方法来生成具有逼真的等离子体元件的二维等离子体超材料设备，这些元件结合了石英包络，碰撞（损失），非均匀密度曲线以及对实验误差/扰动的抵抗力。有限差频域模拟与在横向磁极化下运行的波导和弹能器一起使用前向模式分化。具有现实元素的最佳设备与具有理想元素的先前设备进行了比较，并且探索了优化算法的几种参数初始化方案，从而得出了生产此类设备的强大过程。弹能和波导，具有合理的空间平均等离子体频率约为10 GHz，碰撞频率约为1 GHz，从而使未来的现场训练和这些设计的实验实现。
光学多层薄膜结构反设计
光学多层薄膜结构已广泛用于许多光子域和应用中。启用这些应用程序的关键组件是逆设计。与其他光子结构（例如元图或波导）不同，多层薄膜是一种一维结构，值得对设计过程进行自己的处理。优化一直是数十年来一直是标准设计算法。近年来，迅速发展了整合不同的深度学习算法以解决逆设计问题。一个自然的问题是：这些算法如何彼此不同？为什么我们需要开发如此多的算法以及它们解决哪些类型的挑战？该域中的最新算法是什么？在这里，我们回顾了最新的进度，并通过该研究领域提供指导，从传统优化到最近的深度学习方法。挑战和未来的观点。
通过随机镜下降的逆增强学习
2预序5 2.1简介。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 5 2.2规范和双重规范。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 5 2.3线性编程。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 6 2.4拉格朗日功能。 。 。 。 。 。 。 。 。 。 。2预序5 2.1简介。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 2.2规范和双重规范。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 2.3线性编程。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 2.4拉格朗日功能。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7 2.5反优化。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7 2.5.1成本函数的反相反优化。。。。。。。。。。。。。。。。。8 2.6马尔可夫决策过程。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 2.6.1线性编程公式。。。。。。。。。。。。。。。。。。。。。。10
非线性元信息的逆设计总和频率生成
摘要：总和频率产生（SFG）具有多个应用，从光源到成像，其中有效的转换需要较长的相互作用距离或二次非线性材料中的较大的浓度。metaSurfaces为增强SFG的基本途径提供了与集成超薄平台的极端领域增强的共鸣。在这项工作中，我们为纳米图案的元表面进行多个客观拓扑优化的一般理论框架，以促进高效sfg并同时选择发射方向并量身定制元清化方向。基于此框架，我们提出了新颖的跨表面设计，展示了最终功能，以转化从成像到极化法的外观非线性发光的光线。例如，我们的一个元面积产生高度极化和方向性的SFG发射，其效率超过0.2 cm 2 gw-1在10 nm信号工作带宽中。
通过逆问题的VAE的混合模型进行多种学习
用生成模型代表一系列非常高维数据在实践中已显示出非常有效的计算。但是，这要求数据歧管允许全局参数化。为了代表任意拓扑的多种流形，我们建议学习变分自动编码器的混合模型。在这里，每个编码器对代表一个歧管的一个图表。我们提出了一个模型权重估计的最大似然估计的损失函数，并选择一个为我们提供图表及其倒置的分析表达的体系结构。一旦学习了流形，我们就将其用于解决逆问题，通过最大程度地减少到学习歧管的数据实现项。为了解决最小化的问题，我们提出了在学习歧管上的riemannian梯度下降算法。我们证明了用于低维玩具示例的方法，以及某些图像歧管上的脱张和电阻抗层造影。关键字：多种学习，混合模型，变异自动编码器，Riemannian优化，反问题
以金属有机骨架为填充物的逆向混合键合
图 29 (a) 每个 I/O 电阻测量的开尔文结构；(b) 键合铜柱的 SEM 横截面 ......................................................................................................... 44 图 30 带 Ru 封盖的 Cu-Cu 键合测试台 ............................................................................. 45 图 31 铜上钌的沉积过程 ............................................................................................. 45 图 32 30 分钟 FGA（合成气体退火）退火后表面 Cu 和 Ru 的百分比 [98] ............................................................................................................. 46 图 33 450°C FGA 退火后，带有针孔的 Ru 表面上的扩散 Cu ............................................................................. 47 图 34 用于研究填充的测试台制造流程 ......................................................................................... 49 (b) 使用 Keyence 7000 显微镜对集成结构进行的顶视图，描绘了顶部芯片上的通孔密度 ............................................................................................................................. 50 图 36 (a) 200 次循环氧化铝 ALD 后扫描 EDX 映射区域的 SEM 图像；(b) 集成结构的顶视图，突出显示了填充覆盖研究区域；(c) EDX 映射结果描绘了铝和氧 pe 的区域 ............................................................................................................................. 51 图 37 200 次循环氧化铝 ALD 后脱粘底部芯片的 FIB 横截面描绘 ............................................................................................................................. 52 图 38 (a) 200 次循环真空清除 ALD 后 EDX 研究的不同区域 - 底部芯片正下方通孔区域（区域 A）、距最近通孔 300 µm 的区域（区域 B）、靠近边缘的区域（区域 C）； (b) 三个 r 中的 Al/Si 比率 ...................................................................................................................................... 52 图 39 (a) 集成结构的对角线切割；(b) 描绘平滑填充区域和无填充的受损区域后集成结构横截面的近视图；(c) 描绘填充高达 300 µm 的横截面的未放大图像 ............................................................................................. 54 图 40 (a) ZIF-8 MOF 化学和结构；(b) 示意图表示 ALD ZnO 和转化为气相沉积 MOF，体积膨胀和间隙填充约为 10-15 倍。 ........................................................................................................................................... 56 图 41 在完全填充芯片到基板间隙后，距离最近通孔 300 µm 的集成结构横截面的 EDX 映射.............................................................................57 图 42 横截面的 SEM 图像显示抛光模具未渗透到通孔和芯片与基板的间隙中，从而使上述结果可信 ............................................................................................. 58 图 43 (a) 测试台示意图，顶部芯片具有通孔 Cu-Cu 键合到底部基板；(b) Cu-Cu 键合测试结构的 SEM 横截面（面 A）；(c) 键合前顶部芯片表面的铜垫/柱（面 B）；(d) 键合前底部芯片表面的带有金属走线的铜柱（面 C） ............................................................................................................................. 59 图 44 20 nm ZnO ALD 后脱键合的底部芯片概览；(b) 通孔下方未沉积填充的区域 ............................................................................................................. 60 图 45 顶部芯片靠近通孔的区域，显示扩散半径为 (a) 572 µm，通孔直径为 240 µm； (b) 75 µm 直径通孔的 364 µm .............................................................. 61 图 46 20 nm ZnO ALD 后的脱粘底部芯片概览，a) 脉冲时间 250 ms 和温度 150°C；(b) 脉冲时间 1 秒和温度 150°C ................................................................................ 62 图 47 反向混合键合的工艺顺序 ............................................................................................. 63 图 48 (a) 1 个 MOF 循环后脱粘底部芯片的概览；(b) 在底部芯片中间观察到的 MOF 晶粒表明已完全渗透............................................................................................................. 64 图 49 靠近底部基板中心的 FIB 横截面，如预期的那样，显示了 500 nm MOF ............................................................................................................................................. 65 图 50 (a) 5 个 MOF 填充循环后脱粘底部芯片的概览；(b)62 图 47 反向混合键合的工艺顺序 .......................................................................................... 63 图 48 (a) 经过 1 个 MOF 循环后，脱键合底部芯片的概览；(b) 在底部芯片中间观察到的 MOF 晶粒表示完全渗透............................................................................. 64 图 49 靠近底部基板中心的 FIB 横截面，如预期的那样显示了 500 nm MOF ............................................................................................................................. 65 图 50 (a) 经过 5 个 MOF 填充循环后，脱键合底部芯片的概览；(b)62 图 47 反向混合键合的工艺顺序 .......................................................................................... 63 图 48 (a) 经过 1 个 MOF 循环后，脱键合底部芯片的概览；(b) 在底部芯片中间观察到的 MOF 晶粒表示完全渗透............................................................................. 64 图 49 靠近底部基板中心的 FIB 横截面，如预期的那样显示了 500 nm MOF ............................................................................................................................. 65 图 50 (a) 经过 5 个 MOF 填充循环后，脱键合底部芯片的概览；(b)
逆类型日食晶体的发射颜色调整
摘要：由于传感器材料和光学波导等实用应用，有机发光的固体材料引起了很多关注。我们以前已经报道过，逆类型日志甲观在晶体中表现出强大的发射，而不会引起聚集引起的淬火。但是，排放颜色仅限于绿色。为了调整发射颜色，在这项工作中，我们新合成具有缩短的π-共轭长度或极性取代基的逆类型日志甲乙烯，并研究了其在溶液和晶体中的荧光性能。晶体根据分子结构表现出各种发射颜色，从蓝色，绿色，黄色到红色。除了缩短的π连接长度和分子内电荷转移特征外，还通过分子间相互作用（例如CH-π相互作用）诱导了晶体的发射颜色变化。
基于加强学习的算法，用于优化问题和对反问题的应用
我们设计了一种称为“增强”的新迭代算法，用于解决一般的优化问题。此算法参数化解决方案搜索规则，并使用强化学习（RL）算法类似于增强算法来更新参数。为了更深入地了解基于RL的方法，我们表明，增强OPT基本上解决了给定优化问题的随机版本，并且在标准假设下，搜索规则参数几乎可以肯定地收敛到本地最佳值。实验表明，增强-OPT优先于其他优化方法，例如梯度下降，遗传算法和粒子群优化，它可以从局部最佳溶液中逃脱到其鲁棒性到对初始值的选择。有了严格的推导，我们正式介绍了使用强化学习来处理反问题的使用。通过为动作选择规则选择特定的概率模型，我们还可以将我们的方法连接到Tikhonov正则化和迭代正则化的常规方法。我们在部分微分方程中采用非线性积分方程和参数识别问题作为示例，以说明如何将强化学习应用于求解非线性逆问题。数值实验强调了增强-OPT的强劲性能，以及其量化错误估计不确定性并确定缺乏解决方案稳定性和唯一性的逆问题的多个解决方案的能力。
一个扩散模型，具有降级盲逆成像的状态估计
解决反向成像问题的任务可以从具有完整信息的输入测量中恢复未知的干净图像。利用强大的生成模型，例如降级扩散模型，可以更好地解决未知清洁图像的分布情况的不利问题的问题。我们提出了一个可学习的基于状态估计量的扩散模型，以将测量中的含量纳入重建过程。与条件扩散模型相比，我们的方法可以充分利用具有计算可行性的预训练的扩散模型，而条件扩散模型需要从头开始训练。此外，我们的管道不需要对图像降解操作员的明确知识，也不需要其形式的假设，就像在测试时使用预先训练的扩散模型的许多其他作品一样。实验在三个典型的逆成像问题（线性和非线性），介入，deblurring和JPEG压缩恢复方面具有与最先进的方法具有综合结果。
有效的逆增强学习而不复合错误
逆增强学习（IRL）是一种模仿学习的政策方法（IL），使学习者可以在火车时间观察其行动的后果。因此，对于IRL算法，有两个看似矛盾的逃亡者：（a）防止阻塞离线方法的复合误差，例如诸如避免克隆之类的方法，并且（b）避免了强化学习的最坏情况探索复杂性（RL）。先前的工作已经能够实现（a）或（b），但不能同时实现。在我们的工作中，我们首先证明了一个负面结果表明，没有进一步的假设，没有有效的IRL算法可以避免在最坏情况下避免复杂错误。然后我们提供了一个积极的结果：在新的结构条件下，我们将奖励态度不足的政策完整性称为“奖励”，我们证明有效的IRL算法确实避免了犯错的错误，从而为我们提供了两个世界中最好的。我们还提出了一种使用亚最佳数据来进一步提高有效IRL算法的样本效率的原则方法。