Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Characterizing photonic band structures using topological data analysis

Leykam Daniel, Angelakis Dimitrios

Πλήρης Εγγραφή


URI: http://purl.tuc.gr/dl/dias/02683BED-6337-4F55-BDC1-8E70C273E69B
Έτος 2021
Τύπος Σύντομη Δημοσίευση σε Συνέδριο
Άδεια Χρήσης
Λεπτομέρειες
Βιβλιογραφική Αναφορά D. Leykam and D. G. Angelakis, "Characterizing photonic band structures using topological data analysis," presented at the 2021 Conference on Lasers and Electro-Optics Europe & European Quantum Electronics Conference (CLEO/Europe-EQEC), Munich, Germany, 2021, doi: 10.1109/CLEO/Europe-EQEC52157.2021.9541650. https://doi.org/10.1109/CLEO/Europe-EQEC52157.2021.9541650
Εμφανίζεται στις Συλλογές

Περίληψη

Topological data analysis forms a suite of techniques for characterizing the abstract "shapes" of complex high-dimensional data. Being sensitive to global features, topological data analysis shows promise for the unsupervised machine learning of order parameters and topological phases. Here we show how the topological data analysis technique of persistent homology may be applied to characterize photonic band structures and learn their topological features.

Υπηρεσίες

Στατιστικά