Confinement-loss prediction in photonic crystal fiber SPR sensors: kernel surrogates versus generative data augmentation
本論文は、フォトニック結晶ファイバーSPRセンサにおける閉じ込め損失の予測において、限られた実シミュレーションデータで学習させたベイズ最適化カーネルサロゲートが、生成敵対ネットワークによって拡張されたデータセットに依存するディープネットワークよりも大幅に優れた性能を示し、かつより効率的である一方で、後者はモデルの精度を低下させ計算コストを増大させることを実証している。