Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Characterizing photonic band structures using topological data analysis

Leykam Daniel, Angelakis Dimitrios

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/02683BED-6337-4F55-BDC1-8E70C273E69B-
Αναγνωριστικόhttps://doi.org/10.1109/CLEO/Europe-EQEC52157.2021.9541650-
Αναγνωριστικόhttps://ieeexplore.ieee.org/document/9541650-
Γλώσσαen-
Μέγεθος1 pageen
ΤίτλοςCharacterizing photonic band structures using topological data analysisen
ΔημιουργόςLeykam Danielen
ΔημιουργόςAngelakis Dimitriosen
ΔημιουργόςΑγγελακης Δημητριοςel
ΕκδότηςInstitute of Electrical and Electronics Engineersen
ΠερίληψηTopological 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.en
ΤύποςΣύντομη Δημοσίευση σε Συνέδριοel
ΤύποςConference Short Paperen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2023-05-24-
Ημερομηνία Δημοσίευσης2021-
Θεματική ΚατηγορίαData analysisen
Θεματική ΚατηγορίαShapeen
Θεματική ΚατηγορίαEuropeen
Θεματική ΚατηγορίαMachine learningen
Θεματική ΚατηγορίαPhotonicsen
Βιβλιογραφική ΑναφοράD. 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.en

Υπηρεσίες

Στατιστικά