太阳能电池、望远镜和其他光学组件制造商可能能更快地利用人工智能设计更好的设备。
一种名为OptoGPT的创新技术，由密歇根大学工程师创建，它利用与ChatGPT相同的计算框架来开发光学组件的解决方案。
OptoGPT专注于设计光学多层膜结构，这些结构是由不同材料叠加而成的薄层，以增强特定属性。这些结构可以改善太阳能电池中的光吸收，优化望远镜中的反射，通过极紫外光增强半导体制造，并通过根据温度调整透明度的智能窗户调节建筑物的热量。
OptoGPT几乎瞬时（0.1秒内）生成这些多层结构的设计。此外，其设计通常比之前的模型减少六个层，使其更可行于生产。
来自密歇根大学的L. Jay Guo教授强调了设计这些结构的传统挑战，并强调了识别合适材料和层厚度所需的专业知识。
为了简化设计过程，研究团队调整了一种变换器架构，类似于ChatGPT和谷歌的Bard等语言模型中使用的架构。
该模型将材料与单词进行比较，将其光学特性与输入进行比较，预测下一个“单词”或材料厚度，以创建具有所需特性的有效多层膜结构。
在测试中，OptoGPT的设计与已知结构的验证数据集密切匹配，与现有模型相比，表现出了高准确性。
研究人员可以通过局部优化进一步提高准确性，调整变量以实现最佳结果。微调将准确性提高了24%，减少了与验证数据集的差异。
通过检查OptoGPT识别的关联，研究人员揭示了基于类型和厚度的材料集群，验证了模型在设计准确性方面的有效性。
作为一种逆向设计算法，OptoGPT提供的灵活性比以前的方法更大，使得能够为不同应用创建各种光学多层膜结构。
这项研究部分获得了国家科学基金会的资助。
研究的其他贡献者包括密歇根大学的Taigao Ma和Haozhu Wang。L. Jay Guo教授在大学担任多个教职。
