Metamaterial är konstgjorda material konstruerade för att ha egenskaper som inte finns i naturligt förekommande material, och de är mest kända som material för osynlighetskappor som ofta förekommer i sci-fi-romaner eller spel. Genom att exakt designa artificiella atomer som är mindre än ljusets våglängd, och genom att kontrollera ljusets polarisering och spinn, forskare uppnår nya optiska egenskaper som inte finns i naturen. Dock, den nuvarande processen kräver mycket försök och misstag för att hitta rätt material. Sådana ansträngningar är tidskrävande och ineffektiva; artificiell intelligens (AI) skulle kunna ge en lösning på detta problem.

Forskargruppen av prof. Junsuk Rho, Sunae So och Jungho Mun vid institutionen för maskinteknik och institutionen för kemiteknik på POSTECH har utvecklat en design med en högre grad av frihet som gör att forskare kan välja material och designa fotoniska strukturer godtyckligt genom att använda djupinlärning. Deras resultat publiceras i flera tidskrifter, inklusive Tillämpade material och gränssnitt, Nanofotonik, Mikrosystem och nanoteknik , Optik Express , och Vetenskapliga rapporter .

AI kan tränas med en stor mängd data, och den kan lära sig design av olika metamaterial och korrelationen mellan fotoniska strukturer och deras optiska egenskaper. Genom att använda denna utbildningsprocess, det kan tillhandahålla en designmetod som gör en fotonisk struktur med önskade optiska egenskaper. Väl utbildad, det kan ge en önskad design snabbt och effektivt. Detta har redan undersökts vid olika institutioner i USA som MIT, Stanford University och Georgia Institute of Technology. Dock, de tidigare studierna kräver inmatning av material och strukturella parametrar i förväg, och justering av fotoniska strukturer efteråt.

Prof. Rho och hans grupp lärde ut ett AI-system för att designa godtyckliga fotoniska strukturer och gav ytterligare nivå av frihet för designen genom att kategorisera typer av material och lägga till dem som en designfaktor, vilket gjorde det möjligt att utforma lämpliga material för relevanta optiska egenskaper. Analys av metamaterial erhållna genom denna designmetod visade att de hade identiska optiska egenskaper som förutspåddes av det artificiella neurala nätverket.

Forskargruppen, som har publicerat olika forskningsrön om design av metamaterial och optikteori, använde programmeringsspråket Python. Deras designmetod är revolutionerande på många sätt. För det första, det minskade avsevärt tiden som behövs för att designa fotoniska strukturer. Det tillåter olika konstruktioner av nya metamaterial eftersom forskare inte längre är begränsade till att utföra empiriska konstruktioner för att få resultat.

De resulterande metamaterialen kan användas i display, säkerhet, och militär teknik. I detta avseende införandet av AI i designmetoden förväntas ge viktiga bidrag till den tekniska utvecklingen av metamaterial.

Ledande forskare Prof. Junsuk Rho sa, "Vår forskning var framgångsrik för att ge en högre grad av frihet till design, men det nya systemet kräver fortfarande att användarna matar in vissa probleminställningar i början. Det producerade ibland ohållbara mönster, och gjorde det därför omöjligt att producera önskade metamaterial. Så jag skulle vilja ta våra resultat ett steg längre genom att utveckla en komplett designmetod för metamaterial med hjälp av AI. Också, Jag skulle vilja göra innovativa och praktiska metamaterial genom att träna AI med recensioner av designen konstruerad med hänsyn till slutprodukter."