We extend the study of optical metamaterials from the standard Structure-Property relations to include the fabrication process. First, we extend the standard Structure-Property optimization loop, that relies on computer generated simulation profiles and numerical simulations, to a complete Process-Structure-Property optimization loop, using generative neural networks to generate realistic simulation profiles for specific fabrication conditions. Second, we generate large scale experimental datasets, linking fabrication process to optical properties, to use for machine learning applications. Through these two contributions, we include the fabrication process into the design of optical metamaterials and the design process now takes place in the complete Process-Structure-Property-Performance system.
본 논문에서는 기존의 구조-성능 관계만을 고려하던 광학 메타물질 연구 방식을 공정과정까지 포함하도록 확장하였다. 우선, 기존의 구조-성능 최적화 기법은 컴퓨터로 생성된 구조를 전산 모사하는 방식으로 진행되었는데, 본 연구에서는 생성적 인공 신경망을 활용하여 실제 공정 조건으로부터 예측되는 구조를 생성하고 이를 전산 모사에 활용함으로써 공정-구조-성능을 모두 고려하는 최적화 방식으로 확장하였다. 또한, 인공 신경망의 효율적인 학습을 위하여 공정 조건에 따른 광학 물성 데이터를 대량으로 얻을 수 있는 방법론을 제시하고 실제 데이터 생성에 활용하였다. 본 연구에서는 이와 같은 두 가지 방법론을 새롭게 제시함으로써 기존 광학 메타물질 최적화 과정에 공정 조건까지 포함하였고, 이를 통해 공정-구조-물성-성능 시스템 전체를 고려한 설계가 가능하도록 하였다.
