Michigan Üniversitesi mühendisleri OptoGPT’yi geliştirdi. OptoGPT, malzemeleri ve kalınlıkları “kelimeler” olarak, optik özelliklerini ise girdi olarak kodluyor. Daha sonra korelasyonlara dayalı bir tasarım “cümlesi” oluşturarak bir sonraki kelimeyi tahmin ediyor. Optik çok katmanlı film yapılarını hızlı bir şekilde tasarlamak için ChatGPT’nin arkasındaki mimariden yararlanan bir yapay zeka algoritmasıdır.
OptoGPT optik katman tasarımı
Farklı malzemelerden oluşan ince katmanlardan oluşan bu yapıların güneş pilleri, teleskoplar, yarı iletken imalatı ve akıllı pencerelerde uygulamaları var. Çalışma, mevcut ters tasarım yöntemlerinin farklı tasarım hedeflerine veya çeşitli yapı türlerine uyum sağlamada zorluk çektiğini belirtiyor.
OptoGPT optik katman, tasarımları yalnızca 0,1 saniyede üreterek tasarım sürecini önemli ölçüde kolaylaştırır ve geleneksel yöntemlere göre önemli ölçüde daha hızlı hale getiriyor. OptoGPT’nin en önemli avantajlarından biri, önceki modellere göre daha az katmana sahip tasarımlar üretme yeteneğinde yatmakta. Bu basitleştirme yalnızca üretim karmaşıklığını azaltmakla kalmıyor, aynı zamanda üretim maliyetlerini de düşürerek gelişmiş optik teknolojileri daha erişilebilir hale getiriyor.
U-M elektrik ve bilgisayar mühendisliği profesörü L. Jay Guo: “Bu yapıların tasarlanması genellikle kapsamlı eğitim ve uzmanlık gerektirir, çünkü en iyi malzeme kombinasyonunu ve her katmanın kalınlığını belirlemek kolay bir iş değildir” dedi. OptoGPT, tasarımı otomatikleştiren kullanıcı dostu bir araç sağlayarak bu süreci demokratikleştiriyor. araştırmacıların ve mühendislerin yeni olasılıkları keşfetmesini kolaylaştırıyor.
OptoGPT’nin özü, doğal dil işlemedeki etkinliğiyle tanınan bir makine öğrenimi çerçevesi olan bir transformatör mimarisi. Açıklamada: “Büyük dil modellerinin herhangi bir metin tabanlı soruya nasıl yanıt verebildiğine benzer şekilde, OptoGPT de büyük miktarda veri üzerinde eğitilmiştir ve sahadaki genel optik tasarım görevlerine iyi yanıt verebilmektedir” diyor. OptoGPT, malzemeleri ve kalınlıklarını kelime olarak ele alarak ve optik özelliklerini girdi olarak kodlayarak bu “kelimeler” arasındaki kalıpları ve ilişkileri tanımlıyor.
OptoGPT’nin doğruluğunu değerlendirmek için araştırmacılar onu bilinen 1.000 tasarım yapısından oluşan bir veri kümesiyle test etti. Sonuçlar etkileyiciydi; OptoGPT’nin tasarımları doğrulama setinden yalnızca yüzde 2,58 saparak olağanüstü hassasiyetini vurguladı. Yerel optimizasyon yoluyla daha fazla iyileştirme, doğruluğu yüzde 24 oranında artırdı.
Araştırmacılar ayrıca OptoGPT’nin işleyişini haritalandırmak için istatistiksel teknikler kullandılar. Metaller ve dielektrikler gibi malzemelerin doğal olarak türlerine göre kümelendiğini ve kalınlıkları 10 nanometreye yaklaştıkça tüm dielektriklerin birleştiğini keşfettiler.
