微纳米颗粒体系结构色的正向预测和反向设计方法及系统技术方案

本发明专利技术属于计算材料科学领域，提供了一种微纳米颗粒体系结构色的正向预测和反向设计方法及系统。该方法包括，根据所研究微纳米颗粒体系确定已知几何结构参数；基于所述已知几何结构参数采用训练好的双向神经网络模型，得到预测的颜色信息和反向设计微纳米颗粒体系的几何结构参数；所述双向神经网络模型包括：正向神经网络模型和反向神经网络模型；所述正向神经网络模型根据所述已知几何结构参数，预测微纳米颗粒体系的颜色信息；所述反向神经网络模型根据所述预测微纳米颗粒体系的颜色信息，得到反向设计微纳米颗粒体系的几何结构参数。本发明专利技术实现了预测微纳米颗粒体系的结构色和反向设计微纳米颗粒体系的几何结构参数。和反向设计微纳米颗粒体系的几何结构参数。和反向设计微纳米颗粒体系的几何结构参数。

【技术实现步骤摘要】
微纳米颗粒体系结构色的正向预测和反向设计方法及系统


[0001]本专利技术属于计算材料科学领域，尤其涉及一种微纳米颗粒体系结构色的正向预测和反向设计方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]由纳米或亚微米尺寸结构产生的结构色凭借其永不褪色、可调性、抗漂白性和无毒等特点以及特殊的光学性质，在彩色显示、彩色印刷、高性能器件和生物医学成像等领域得到了广泛应用。一般来说，微纳结构色光子结构可分为有序光子结构和无序光子结构。周期性有序光子结构凭借布拉格衍射效应产生的颜色具有虹彩特征，但其色彩往往强烈依赖于视角，因此限制了其在很多领域中的应用。相比之下，由金属和介电微纳米颗粒组成的无序微纳米材料体系可以产生高分辨率且与视角无关的结构色，因此在颜料、显示和光电器件等与色彩相关的领域中具有更广阔的应用前景。
[0004]微纳米颗粒体系产生的结构色取决于颗粒的种类、粒径、体积分数以及所处背景环境的介电特性等因素。因此，通过调整上述参数获得相应的透射光谱、反射光谱，微纳米颗粒体系可以呈现出不同的结构色特征。然而，微纳米颗粒体系结构色的设计过程往往基于试错法，需要事先的经验和直觉，也需要大量的时间和计算成本。尽管目前已发展了多种优化策略和设计方法以提高设计效率，如粒子群算法、拓扑优化等，但随着微纳米颗粒体系功能和复杂度的提高，传统的设计和优化方法仍面临很多难题。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种微纳米颗粒体系结构色的正向预测和反向设计方法及系统，其不仅可以根据几何结构参数快速、精确地预测微纳米颗粒体系的结构色，还可以根据预期颜色信息高效地反向设计微纳米颗粒体系的几何结构参数。
[0006]为了实现上述目的，本专利技术采用如下技术方案：本专利技术的第一个方面提供一种微纳米颗粒体系结构色的正向预测和反向设计方法。
[0007]微纳米颗粒体系结构色的正向预测和反向设计方法，包括：根据所研究微纳米颗粒体系确定已知几何结构参数；基于所述已知几何结构参数采用训练好的双向神经网络模型，得到预测的颜色信息和反向设计微纳米颗粒体系的几何结构参数；所述双向神经网络模型包括：正向神经网络模型和反向神经网络模型；所述正向神经网络模型根据所述已知几何结构参数，预测微纳米颗粒体系的颜色信息；
所述反向神经网络模型根据所述预测微纳米颗粒体系的颜色信息，得到反向设计微纳米颗粒体系的几何结构参数。
[0008]进一步地，所述双向神经网络模型训练的过程包括：正向神经网络模型训练的过程和反向神经网络模型训练的过程。
[0009]进一步地，所述正向神经网络模型训练的过程包括：根据所研究微纳米颗粒体系确定已知几何结构参数和微纳米颗粒体系的已知颜色信息；根据所述已知几何结构参数，采用正向神经网络模型，预测微纳米颗粒体系的颜色信息；根据所述已知颜色信息和所述颜色信息优化正向神经网络模型的超参数，得到训练好的正向神经网络模型。
[0010]进一步地，所述根据所研究微纳米颗粒体系确定已知几何结构参数和微纳米颗粒体系的已知颜色信息的过程包括：根据所研究微纳米颗粒体系确定已知几何结构参数；基于所述已知几何结构参数、微纳米颗粒的复折射率以及微纳米颗粒所处背景介质的复折射率，确定微纳米颗粒的光学特性；基于所述微纳米颗粒的光学特性结合所述已知几何结构参数，确定悬浮液平板模型的光谱透射率和光谱反射率；将所述悬浮液平板模型的光谱透射率和光谱反射率转化为微纳米颗粒体系的已知颜色信息；所述所研究微纳米颗粒体系为，微纳米颗粒分布于溶液中形成混悬液后，将所述混悬液置于比色皿内形成一个悬浮液平板模型。
[0011]进一步地，所述已知几何结构参数包括：微纳米颗粒的半径、体积分数和混悬液平板模型的厚度。
[0012]进一步地，所述微纳米颗粒的光学特性包括：衰减因子、散射因子和散射相函数。
[0013]进一步地，所述优化正向神经网络模型的超参数的过程包括：根据所述已知颜色信息与所述颜色信息的均方误差，构建第一损失函数；以第一损失函数最小化为目标，训练所述正向神经网络模型，使所述已知颜色信息与所述颜色信息之间的色差最小化；根据第一损失函数更新正向神经网络模型中各层的权重和偏差，并调整正向神经网络模型的超参数。
[0014]进一步地，所述反向神经网络模型训练的过程包括：根据所研究微纳米颗粒体系确定微纳米颗粒体系的已知颜色信息；根据所述已知颜色信息，采用反向神经网络模型，反向设计微纳米颗粒体系的几何结构参数；根据所述已知颜色信息和所述正向神经网络模型得到的所述颜色信息优化反向神经网络模型的超参数，得到训练好的反向神经网络模型。
[0015]进一步地，所述优化反向神经网络模型的超参数的过程包括：根据所述已知颜色信息与所述颜色信息的均方误差，构建第一损失函数；
以第一损失函数最小化为目标，训练所述反向神经网络模型，使所述已知颜色信息与所述颜色信息之间的色差最小化；根据第一损失函数更新反向神经网络模型中各层的权重和偏差，并调整反向神经网络模型的超参数。
[0016]本专利技术的第二个方面提供一种微纳米颗粒体系结构色的正向预测和反向设计系统。
[0017]微纳米颗粒体系结构色的正向预测和反向设计系统，包括：获取模块，其被配置为：根据所研究微纳米颗粒体系确定已知几何结构参数；正向预测和反向设计模块，其被配置为：基于所述已知几何结构参数采用训练好的双向神经网络模型，得到预测的颜色信息和反向设计微纳米颗粒体系的几何结构参数；模型构建模块，其被配置为：所述双向神经网络模型包括：正向神经网络模型和反向神经网络模型；所述正向神经网络模型根据所述已知几何结构参数，预测微纳米颗粒体系的颜色信息；所述反向神经网络模型根据所述预测微纳米颗粒体系的颜色信息，得到反向设计微纳米颗粒体系的几何结构参数。
[0018]与现有技术相比，本专利技术的有益效果是：本专利技术针对微纳米颗粒体系结构色的设计过程通常基于试错法，需要事先的经验和直觉，也需要大量的时间和计算成本等问题，设计了一种基于双向神经网络的微纳米颗粒体系结构色的正向预测和反向设计方法。该双向神经网络模型由一个反向神经网络和一个提前建立并完成训练的正向神经网络共同组成，可同时实现给定几何结构参数精确预测颜色信息，以及给定颜色信息高效反向设计几何结构参数。
[0019]本专利技术采用的双向神经网络模型由一个反向神经网络模型和一个预先训练的正向神经网络模型组成，不仅可以克服结构色反向设计过程中的多值性问题，还可以发现训练集之外新的几何结构信息。
附图说明
[0020]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0021]图1是本专利技术所述微纳米颗粒体系结构色正向预测和反向设计方法的流程图；图2是本专利技术所述正向神经网络模型的示意图；图3是本专利技术所述双向神经网络模型的示意图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，包括：根据所研究微纳米颗粒体系确定已知几何结构参数；基于所述已知几何结构参数采用训练好的双向神经网络模型，得到预测的颜色信息和反向设计微纳米颗粒体系的几何结构参数；所述双向神经网络模型包括：正向神经网络模型和反向神经网络模型；所述正向神经网络模型根据所述已知几何结构参数，预测微纳米颗粒体系的颜色信息；所述反向神经网络模型根据所述预测微纳米颗粒体系的颜色信息，得到反向设计微纳米颗粒体系的几何结构参数。2.根据权利要求1所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述双向神经网络模型训练的过程包括：正向神经网络模型训练的过程和反向神经网络模型训练的过程。3.根据权利要求2所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述正向神经网络模型训练的过程包括：根据所研究微纳米颗粒体系确定已知几何结构参数和微纳米颗粒体系的已知颜色信息；根据所述已知几何结构参数，采用正向神经网络模型，预测微纳米颗粒体系的颜色信息；根据所述已知颜色信息和所述颜色信息优化正向神经网络模型的超参数，得到训练好的正向神经网络模型。4.根据权利要求3所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述根据所研究微纳米颗粒体系确定已知几何结构参数和微纳米颗粒体系的已知颜色信息的过程包括：根据所研究微纳米颗粒体系确定已知几何结构参数；基于所述已知几何结构参数、微纳米颗粒的复折射率以及微纳米颗粒所处背景介质的复折射率，确定微纳米颗粒的光学特性；基于所述微纳米颗粒的光学特性结合所述已知几何结构参数，确定悬浮液平板模型的光谱透射率和光谱反射率；将所述悬浮液平板模型的光谱透射率和光谱反射率转化为微纳米颗粒体系的已知颜色信息；所述所研究微纳米颗粒体系为，微纳米颗粒分布于溶液中形成混悬液后，将所述混悬液置于比色皿内形成一个悬浮液平板模型。5.根据权利要求4所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述已知几何结构参数包括：微纳米颗粒的半径、体积分数和混悬液平板模型的厚度。6.根据权利要求4所述的微纳米颗粒体系结构...

【专利技术属性】
技术研发人员：马兰新，王程超，张文杰，杨家跃，胡凯翔，刘林华，
申请(专利权)人：山东大学，
类型：发明
国别省市：