机器学习赋能的智能光子学器件系统研究与应用

在人工智能与光子学设计融合的背景下，科研的边界持续扩展，创新成果不断涌现。从理论模型的整合到光学现象的复杂模拟，从数据驱动的探索到光场的智能分析，机器学习正以前所未有的动力推动光子学领域的革新。据调查，目前在Nature和Science杂志上发表的机器学习与光子学结合的研究主要集中在以下几个方面：

1.光子器件的逆向设计

2.超构表面和超材料设计

3.光子神经网络

4.非线性光学与光子芯片

5.智能光子系统的多任务优化

6.光谱分析与预测

讲师介绍

来自国家“双一流”建设高校 、 “985 工程”“211 工程”重点高校。在《ACS Photonics》、《Journal of Lightwave Technology》等国际知名期刊发表论文数十篇, 长期担任Laser & Photonics Review, Photonics Research, Journal of Lightwave Technology, IEEE JSTQE, Optics Express, Optics Letter等光子学期刊审稿人。

擅长领域：微纳光子学、光电子集成芯片、拓扑光子学、计算光子学、以及深度学习与光子学的交叉学科研究等。

学习大纲

案例一机器学习光子学导论

光子器件仿真软件基础与基于优化方法的器件逆向设计

机器学习简介与 Python机器学习编程基础

常用的深度神经网络简介与 Python 实现

深度学习在微纳光子学中的应用

深度学习在多种光学系统中的应用

光子学器件构建的光学深度神经网络与应用

机器学习与光子学的更多应用介绍与未来展望

培训时间

2025年03月29日-03月30日

2025年04月05日-04月06日

（线上直播授课4天+录播回放+微信群答疑）

全部内容请关注工宗浩量子化学社