Light | 机器学习助力提升超薄硅层的可见光吸收率

本文介绍了沙特阿拉伯阿卜杜拉国王科技大学和美国圣母大学的研究团队合作，利用深度学习技术提升超薄硅层的可见光吸收率的研究。传统的硅基光电子器件通过增厚吸收层来提高吸收效率，但成本较高。研究团队提出了一种基于神经网络的优化框架，通过双向神经网络解决前向和反向设计问题，显著提高了设计效率和准确度。实验结果表明，优化后的设计在400 nm到860 nm的光谱范围内实现了显著的吸收效率增强，光电流密度大幅提升。该研究不仅为超薄硅光电器件提供了新型设计方案，也为基于深度学习设计波动功能器件提供了新思路。