강화학습에 기반한 1차원 자유 구조 광편향기 메타표면의 최적화

Abstract

메타표면의 자유 구조 최적화 기술은 넓은 활용 가능성으로 인하여 광공학 분야 학계에서 큰 관심을 받아왔다. 최근에 해당 분야에서는 주로 생성적 대립쌍 네트워크(Generative Adversarial Network, GAN)에 기반한 컴퓨터 비전 기술을 활용한 큰 발전이 있어왔다. 한편, 강화학습 (Reinforcement Learning, RL) 분야에서의 딥 큐러닝(Deep Q-learning) 기술의 출현은 많은 경우의 수를 가지는 도메인 공간에서의 최적화 가능성을 열어주었다. 본 학위논문에서는 1차원 자유 구조의 광편향기 메타표면을 최적화하는 딥 큐 네트워크(Deep Q Network)를 제안하고 논의한다. 해당 신경망은 최첨단의 결과와 비슷하거나 나은 성능을 가지는 최적화 구조를 발견하였다. 본 기술은 조건의 변화에 강인함을 보여주어 일반적인 문제에 적용될 가능성을 증명하였다.