MARC

 008250123s2024        us                              c    eng  d
■001000017161072
■00520250211151158
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382757568
■035    ▼a(MiAaPQ)AAI31236752
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a621.3
■1001  ▼aTanriover,  Ibrahim.▼0(orcid)0000-0003-1207-7016
■24510▼aNovel  Optical  Metasurfaces:  From  Machine-Learning  Enabled  Nanophotonic  Design  to  Colloidal  Metamaterials
■260    ▼a[Sl]▼bNorthwestern  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a163  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-11,  Section:  B.
■500    ▼aAdvisor:  Aydin,  Koray.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2024.
■520    ▼aMetasurfaces,  2D  counterparts  of  metamaterial,  are  planar  optical  devices  that  are  made  of  spatially  arranged  arrays  of  subwavelength  nanostructures.  Metasurfaces  work  by  introducing  abrupt  changes  on  phase,  amplitude,  and  polarization  states  of  light  within  sub-wavelength  distances  and  in  unique  ways.  As  a  result,  the  metasurface  concept,  providing  a  compact  and  versatile  platform  for  light  manipulation,  emerged  as  one  of  the  most  promising  candidates  to  replace  conventional  light  manipulation  techniques.  Metasurfaces  have  a  wide  range  of  applications  in  imaging,  sensing,  and  communication.  To  date,  numerous  optical  devices,  including  flat  lenses,  polarizers,  color  filters,  and  holograms,  have  been  realized  by  metasurfaces;  and  various  challenges  in  design  and  fabrication  of  metasurfaces  have  been  addressed  along  the  way.  However,  conventional  metasurface  approaches  are  converging  to  their  limitations.  Alternative  approaches  in  metasurface  design  and  fabrication  are  becoming  a  necessity  to  achieve  advanced  applications  or  properties,  such  as  optical  analog  computers  or  active  tunability  and  large  device  area.Conventional  metasurface  design  process  can  be  divided  into  two  main  approaches  as  forward  design  and  inverse  design.  Both  the  forward  and  the  inverse  approaches  depend  on  full  electromagnetic  simulations  that  are  using  mesh-based,  discretized  numeric  calculation  methods  to  calculate  optical  response  of  nano-photonic  structures.  Although  they  provide  high  accuracy  and  deterministic  results,  these  methods  require  high  computational  costs  that  significantly  increase  with  structure  complexity.Present-day  fabrication  methods  and  material  platforms  are  also  reaching  their  limits.  Optical  metamaterials  enable  access  to  effective  optical  properties  that  are  not  found  in  nature,  such  as  negative  or  ultrahigh  refractive  index,  by  engineering  sub-wavelength  dielectric  and  plasmonic  structures.  Realizing  such  properties  in  the  near-infrared  and  visible  wavelengths  requires  complex  structures  in  the  nanometer  range.  Fabrication  of  such  structures  is  a  challenging  task  despite  the  tremendous  progress  in  nanofabrication  techniques.  Lithography-based  methods  suffer  from  inherent  limitations  on  structural  complexity,  spatial  resolution,  and  fabrication  throughput.  Additive  manufacturing  techniques,  such  as  3D  printing,  can  partially  address  the  structural  complexity  limitations.  However,  they  are  limited  in  terms  of  available  materials  and  bounded  with  size  constraints.  As  a  result,  there  is  a  need  for  alternative  fabrication  methods  and/or  material  platforms  that  can  overcome  these  limitations.As  an  alternative  design  approach,  deep  neural  networks  (DNNs)  assisted  design  methods  are  investigated  in  three  progressive  steps.  In  the  first  step,  we  modeled  all-dielectric  cylindrical  nanopillars  using  fully  connected  DNNs.  The  wavelength  normalization  method  is  introduced  as  a  solution  to  dimensional  mismatch  problems  between  the  feature  space  and  output  space  of  the  DNNs.  As  additional  advantages  of  the  wavelength  normalization  method,  high  prediction  accuracy,  even  with  dispersive  materials,  and  spectral  generalization  capabilities  are  demonstrated.  Following,  complex-valued  neural  networks  are  used  to  simultaneously  model  plasmonic  and  dielectric  metasurface  unit  cells.  Tunable  metasurfaces  including  a  resonator  and  absorber  are  designed  as  proof-of-concept  demonstrations.  Spectral  generalization  accuracy  is  also  improved.  In  the  last  step,  convolutional  neural  networks  (CNNs)  are  used  to  model  arbitrary  and  freeform  metasurface  unit  cells.  A  shape  generation  method  is  proposed  to  create  a  library  of  freeform  and  manufacturable  cross  sections.  Generalization  of  solution  for  the  incident  polarization  is  demonstrated  in  addition  to  generalization  to  dispersive  materials  and  other  spectral  ranges  of  interest.Along  with  these  steps,  machine  assisted  and  completely  machine  learning  based  inverse  design  and  optimization  of  metasurface  unit  cells  are  demonstrated.  In  the  first  step,  a  direct  inverse  design  neural  network  model  is  demonstrated,  where  tandem  learning  approach  is  used  to  overcome  non-uniqueness  of  the  solution.  In  the  second  step,  both  DNN-incorporated  and  completely  DNN-based  design  approaches  are  demonstrated  and  compared  in  terms  of  final  design  performance  and  computational  cost.  In  the  last  step,  as  an  example  of  DNN-assisted  design,  Genetic  Algorithm  is  incorporated  with  the  DNN-based  surrogate  solver.  Objective-first  constrained  optimization  is  employed  in  the  latent  space  of  DNN  autoencoder  in  order  to  design  manufacturable  metasurfaces.  During  these  projects,  several  metasurfaces  such  as  metalenses,  polarizers,  tunable  resonators  and  absorbers,  and  waveplates  are  designed  and  demonstrated  through  simulations.As  alternative  material  platforms,  light-matter  interactions  for  colloidal  plasmonic  nanoframes  and  their  feasibility  as  metamaterial/metasurface  building  blocks  are  studied.  First,  optical  properties  of  single-particle  and  monolayer  octahedral  nanoframes  in  comparison  to  nanoparticles  of  the  same  geometry  are  studied.  Single-particle  nanoframes  exhibited  enhanced  light-matter  interactions  and  scattering  suppression  compared  to  solid  nanoparticles.  Strong  field  localization  and  further  suppression  of  scattering  are  observed  by  assembling  these  structures  into  close-packed  monolayers.  As  an  outcome,  polarization  insensitive,  broadband  absorption  above  %90  is  demonstrated  from  self-assembled  monolayers  of  Pt-Au  octahedral  nanoframes.  Then,  optical  properties  of  their  3D  superlattices  are  discussed.  We  proposed  that  these  structures  are  RLC  circuit  analogous  supporting  both  capacitive  and  inductive  resonances.  Following,  negative  effective  refractive  index,  an  unnatural  and  long-desired  property,  with  engineered  3D  crystals  in  the  near-infrared  wavelengths  is  verified  through  electromagnetic  simulations  and  experiments.In  the  last  project  of  this  thesis,  we  investigated  metasurface  based  all-optical  image  processing.  Due  to  increasing  demand  for  real-time,  continuous  data  processing,  metamaterial  and  metasurface  based  all-optical  computation  techniques  emerged  as  a  promising  alternative  to  digital  computation.  Metasurfaces  have  been  shown  to  enable  real  time  edge  detection  with  low  to  no  power  consumption.  However,  the  previous  demonstrations  were  subjected  to  the  several  limitations  such  as  need  for  oblique-incidence,  polarization  dependence,  need  for  additional  polarizers,  narrow  operation  bandwidth,  being  limited  with  processing  in  1D,  operation  with  coherent  light  only,  and  requiring  digital  post-processing.All-optical  edge  detection  is  chosen  as  the  target  application  as  it  is  a  fundamental  step  of  most  image  processing  tasks.  A  metasurfaces  for  2D  isotropic  and  polarization  independent  edge  detection  based  on  Fourier  optics  principles  that  overcome  aforementioned  limitations  and  challenges  is  proposed  and  demonstrated.  The  proposed  metasurface  enables  a  carefully  chosen  spatial  transmission  profile  matching  the  Fourier  transformation  of  the  second-order  differentiation.  Polarization-independent,  broadband  edge  detection  with  high  transmission  efficiency  under  both  coherent  and  partially  coherent  illumination  along  the  visible  frequency  range  is  experimentally  confirmed.  Edge  detection  by  the  same  metasurface  in  near-IR  wavelengths  is  also  confirmed  through  additional  simulations  and  measurements.This  thesis  comprehensively  explores  the  advancements  in  metasurfaces  in  various  aspects.  Limitations  and  challenges  of  the  conventional  design  and  fabrication  approaches  are  identified.  Alternative  techniques  are  proposed  to  overcome  these  challenges.  Emerging  application  areas  for  metasurfaces  are  also  investigated.  Our  findings  reveal  the  potential  of  deep  learning  methods  and  colloidal  plasmonic  nanoframes  in  metasurface  engineering.  We  envisage  that  our  findings  pave  the  path  towards  advanced  applications  and  properties  for  metasurfaces  such  as,  naturally  unavailable  effective  optical  properties  and  real-life  image  processing.
■590    ▼aSchool  code:  0163.
■650  4▼aElectrical  engineering
■650  4▼aNanotechnology
■650  4▼aOptics
■650  4▼aComputer  engineering
■653    ▼aMetasurfaces
■653    ▼aFabrication
■653    ▼aMachine  learning
■653    ▼aConvolutional  neural  networks
■690    ▼a0544
■690    ▼a0652
■690    ▼a0752
■690    ▼a0464
■71020▼aNorthwestern  University▼bElectrical  and  Computer  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g85-11B.
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17161072▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서