Авторы представляют IrisFlow, основанный на запросах фреймворк flow-matching для обратного проектирования многослойных оптических покрытий, который поддерживает выбор материалов с открытым словарём. В отличие от типичных методов обратного проектирования нейронных сетей с амортизацией, которые полагаются на фиксированные словари и дискретизированные непрерывные переменные, IrisFlow предоставляет целевые спектры, сетки длин волн и кандидаты на материалы непосредственно во время выполнения запроса.
- Модель использует дискретный flow-matching для последовательностей материалов, выбранных из банка кандидатов, и непрерывный flow-matching для толщин слоёв без дискретизации.
- Одна модель с 136M параметров проектирует стопки от 2 до 100 слоёв.
- На бенчмарке из 224 задач она точно восстанавливает цели из распределения обучения и сохраняет точность на выделенном банке материалов без переобучения.
- Система проектирует полосы вплоть до 1100 нм за пределами области её обучающих данных и превосходит авторегрессионную базовую модель на библиотеке материалов этой базовой модели.
- Изготовленные охлаждающие устройства с цветопередачей достигли цветовой ошибки CIEDE2000 в диапазоне 3.1–5.2, сохранив солнечное ближнеинфракрасное отражение на уровне 93–95%.
IrisFlow демонстрирует, что проектирование с открытым словарём может быть успешно реализовано вплоть до изготовленных покрытий, предлагая гибкую альтернативу подходам к обратному проектированию в замкнутом мире.