 |
Bayesian Optimisation of a Metasurface using a Penalised Objective Function
1 : Institut de Recherche Mathématique de Rennes
Agrocampus Ouest, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement, Universite de Rennes 1, Université de Rennes, Université de Rennes 2, École normale supérieure - Rennes : UMR6625, Centre National de la Recherche Scientifique, Institut National des Sciences Appliquées - Rennes, Institut National des Sciences Appliquées
2 : Thales DMS France, SAS
Thales (France)
3 : Institut d\'Électronique et des Technologies du numéRique
Université de Nantes, Universite de Rennes 1, Institut National des Sciences Appliquées - Rennes, CentraleSupélec, Centre National de la Recherche Scientifique : UMR6164
This study formulates the design of a metasurface as an unconstrained optimisation problem. The objective function is assumed to be expensive to evaluate and the performance of the optimisation process is assessed by the number of objective function evaluations. This characteristic of the problem motivates the use of a bayesian optimisation strategy called Efficient Global Optimisation (EGO). An undesirable modeling property of a natural objective function is solved by jointly minimising a necessary condition of optimality. We show numerically that penalising the objective improves the speed and robustness of the optimisation process.
