基于深度学习的复振幅型超表面设计方法及系统和器件
基本信息
| 申请号 | CN202210334747.5 | 申请日 | - |
| 公开（公告）号 | CN114692500A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114692500A | 申请公布日 | 2022-07-01 |
| 分类号 | G06F30/27（2020.01）I;G06F30/23（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 张晓虎;杨阳;林晓钢;高潮;郭永彩 | 申请（专利权）人 | 重庆大学 |
| 代理机构 | 重庆航图知识产权代理事务所（普通合伙） | 代理人 | - |
| 地址 | 400044重庆市沙坪坝区沙正街174号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的复振幅型超表面设计方法及系统和器件，首先确定超单元的结构以及调控结构自由度；采集不同结构参数的超单元的复振幅响应数据集；并收集随机生成的目标复振幅响应数据集，将两个数据集分别划分为训练集、验证集和测试集；构建深度学习模型；利用正向预测模型根据结构参数预测超单元的复振幅响应，以及利用逆向设计模型根据目标响应预测结构参数；然后利用训练集与验证集进行训练得到逆向设计模型；使用训练好的逆向设计模型进行复振幅型超表面器件的设计，根据目标器件生成目标振幅和相位，在逆向设计模型中生成器件的全模结构。本发明提供的设计方法降低了设计复振幅型超表面的难度，同时保证超表面的加工可行度。 |
