Mit Künstlicher Intelligenz Metaoberfläche verbessert

Nr. 28 • 3. März 2022

Maschinelles Lernen als Teilbereich in der Welt der Künstlichen Intelligenz (KI) verspricht auf vielen Gebieten wissenschaftlichen Fortschritt und technische Optimierung. Methoden des Maschinellen Lernens spielen auch bei der Gestaltung von „flachen Optiken“, den so genannten Metaoberflächen, eine wichtige Rolle. Ein anschauliches Beispiel dafür, dass nanostrukturierte optische Materialien verbesserte und sogar maßgeschneiderte Funktionalitäten erlangen können, zeigt die Veröffentlichung zweier Wissenschaftler aus Gießen und Dresden, die kürzlich dazu eine gemeinsame Forschungsarbeit erfolgreich abgeschlossen haben. Arbeitsgruppenleiter Dr. Arash Rahimi-Iman vom I. Physikalischen Institut der Justus-Liebig-Universität Gießen (JLU) und Nachwuchsforscher Oliver Mey, Fraunhofer-Institut für Integrierte Schaltungen IIS, Institutsteil Entwicklung Adaptiver Systeme (EAS), Dresden, haben sowohl einen evolutionären Optimierungsalgorithmus als auch ein neuronales Netz im Vergleich genutzt, um ein verbessertes Design für zukünftige chirale Spiegel zur selektiven Lichtreflektion vorhersagen zu können.

Die gemeinsame Publikation „Machine Learning-Based Optimization of Chiral Photonic Nanostructures: Evolution- and Neural Network-Based Designs” ist kürzlich in Physics Status Solidi (pss), einer Fachpublikation zu Aspekten der Festkörperphysik und der Materialwissenschaften, erschienen.

Als Chiralität wird die Eigenschaft bestimmter Gegenstände bezeichnet, dass das Spiegelbild nicht durch Drehung mit dem Original zur Deckung gebracht werden kann. „Die chirale Natur polarisierten Lichts kann man sich vereinfacht als eine spiralförmige Ausbreitung vorstellen“, erläutert Autor Rahimi-Iman. So zeige es auch anschaulich das Titelbild der Februarausgabe des Journals, in dem die Autoren ihre Ergebnisse veröffentlicht haben, anhand einer künstlerischen Darstellung. „Schon seit Jahren erforschen wir gemeinsam die Kombination aus photonischen Strukturen auf der Mikrometer- und Nanometerskala sowie der außergewöhnlichen Materialklasse der hauchdünnen 2D-Halbleiter,“ fasst Dr. Rahimi-Iman zusammen, der die Vorzüge der Methoden des maschinellen Lernens in die Forschung seiner Arbeitsgruppe einfließen lässt.

„Wir konnten anhand unserer Simulationen und Optimierungsalgorithmen aufzeigen, dass man mit einer gezielten periodischen Nanostrukturierung einer Oberfläche zirkular polarisiertes Licht einer Polarisationsrichtung bevorzugt transmittieren kann. Die KI kann uns dabei durch Verbesserung des Designs helfen, die Transmissionsunterschiede der beiden Polarisationsrichtungen zu maximieren,“ erläutert Oliver Mey, der zweite Autor der Studie. „Dabei suchen wir eine Möglichkeit, durch geeignete Maßnahmen die Licht-Materie-Wechselwirkungen mit Nanomaterialien gezielt zu gestalten und in diesem Beispiel die Lichtreflektion an Grenzflächen, den sogenannten Metaoberflächen, zu beeinflussen,“ fügt Dr. Rahimi-Iman hinzu. Ein Ziel, das auch andere Gruppen weltweit mit Hilfe künstlicher Intelligenz verfolgen, ist dabei die Entwicklung maßgeschneiderter Optiken mittels Nanostrukturen.

Metaoberflächen zeichnen sich durch Strukturgrößen aus, die wesentlich kleiner als die Lichtwellenlänge sind. Oliver Mey erklärt: „Licht gegenläufiger zirkularer Polarisation – man spricht von Händigkeit – würde an den optimierten Strukturen unterschiedlich stark durch die nanopräzise modulierte Oberfläche transmittiert und entsprechend reflektiert, ohne dass die Absorptionseigenschaften des Materials eine Rolle spielen – ganz gemäß den Simulationsdaten.“ Das sei ein Vorteil, wenn man zum Beispiel verlustarme aktive Photonikbauteile mit passiven optischen Elementen erzielen möchte.

„Es ist nur noch eine Frage der Zeit, wann wir einen besonders wirksamen chiralen Spiegel basierend auf dielektrischen Metaoberflächen mit nanoskaliger Muster erzielen können“, folgert Dr. Rahimi-Iman. Dies werde nur mit Optimierungsvorschlägen durch speziell entwickelte KI-Modelle besonders effektiv und erfolgreich möglich sein. Die aktuellen Ergebnisse der beiden Forscher legen nahe, dass eine leichte Herstellung und Untersuchung chiraler Reflektoren für polarisationssensible Licht-Materie-Wechselwirkungsszenarien mit beispielsweise einlagigen Wolframdisulfidkristallen als potenzielles aktives Material ermöglicht würden, wobei die Besonderheiten der 2D-Kristalle zum Einsatz kämen.

Arbeitsgruppe Quantennanophotonik

Dr. Arash Rahimi-Iman wechselte nach seiner Habilitation im Jahr 2021 an der Philipps-Universität Marburg als Heisenberg-Gruppenleiter an das I. Physikalische Institut der JLU. In optischen Untersuchungen an nanoskaligen Bauteilen und Strukturen im Rahmen seiner Forschung nehmen sowohl funktionale Nanomaterialien als auch die kontrollierbare Licht-Materie-Wechselwirkung eine vorrangige Stellung ein. Die von der Deutschen Forschungsgemeinschaft (DFG) geförderte Arbeitsgruppe Quantennanophotonik der JLU Gießen unter der Leitung von Dr. Rahimi-Iman plant, ihre Erkenntnisse zu KI-Optimierungsmethoden in ihre Forschungsarbeiten zu 2D-Schichtsystemen, Halbleiterlasern und optischen Nanostrukturen einzusetzen und die Entwicklung maschinellen Lernens in Photonikanwendungen zukünftig mit europaweiten Forschungspartnern auszuweiten.

• Publikation

Oliver Mey, Dr. Arash Rahimi-Iman: „Machine Learning-Based Optimization of Chiral Photonic Nanostructures: Evolution- and Neural Network-Based Designs,” Phys. Stat. Solidi RRL 16, 2100571 (2022). https://doi.org/10.1002/pssr.202100571
https://onlinelibrary.wiley.com/doi/full/10.1002/pssr.202100571

• Weitere Informationen

Arbeitsgruppe Quantennanophotonik der JLU Gießen
https://www.uni-giessen.de/fbz/fb07/fachgebiete/physik/institute/ipi/festkoerperphysik/quantennanophotonik

• Kontakt

Dr. Arash Rahimi-Iman
I. Physikalisches Institut der JLU Gießen
Festkörperphysik
AG Quantennanophotonik
Heinrich-Buff-Ring 16
Telefon: 0641 99 33124

Presse, Kommunikation und Marketing • Justus-Liebig-Universität Gießen • Telefon: 0641 99-12041