一种电磁超表面单元及超表面电磁响应快速预测方法技术

本发明专利技术公开了一种电磁超表面单元及超表面电磁响应快速预测方法，涉及电磁超材料设计领域，超表面电磁响应快速预测方法包括如下步骤：步骤一、获取电磁参数；步骤二、制作数据集：步骤三、预训练，构建网络模型：步骤四，对预训练后的实部网络和虚部网络进行剪枝操作。本发明专利技术在保证电磁超表面正向预测设计的精度和泛化性能的同时，解决了现有技术中神经网络训练模型所占内存空间过大、训练时间过长的问题。模型所占内存空间过大、训练时间过长的问题。模型所占内存空间过大、训练时间过长的问题。

【技术实现步骤摘要】
一种电磁超表面单元及超表面电磁响应快速预测方法


[0001]本专利技术涉及电磁超材料设计领域，具体是一种电磁超表面单元及超表面电磁响应快速预测方法。

技术介绍

[0002]超材料是一种特殊的人工材料，其排列方式特定、排布方法特殊，包含超磁材料等，因其超乎常规的特性被多数电磁应用场景所青睐，例如雷达、天线等。长期以来，传统的超材料涉及方法一般以来大量的数值计算，通过矩量法(MOM)、有限元法(FEM)等来对超材料的参数进行求解。当涉及到超大量的参数计算或材料模型过于复杂时，往往需要借助电磁仿真软件来进行大量的建模与仿真，此种方法耗时耗力，如何快速、准确地对超材料进行分析成为目前超材料研究领域的一大问题。
[0003]近年来，不少超材料领域的研究者把目光投向人工智能领域，通过深度学习等方式来对超材料的设计进行方案优化，给超材料领域开辟了新的研究路径。深度学习以其响应快速、设计精确的特点，将其应用于电磁超材料的设计研究中是十分自然的，研究者不需要过多的了解超材料的物理性质，只需要构建深度学习网络并将超材料的相应特征交由网络学习即可实现超材料的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电磁超表面单元，包括上层、中层和下层，其特征在于，所述上层为编码图案区域，其宽度为l2＝8mm，在编码图案区域可划分为互为中心对称的4个8
×
8矩阵，所述矩阵上贴有金属铜贴片，其中金属铜贴片的电导率为5.8e+007S/m，宽度l3＝0.5mm，厚度t2＝0.017mm；所述中层为介质基板，其材质具体为F4B；下层为全金属铜覆盖。2.根据权利要求1所述的电磁超表面单元，其特征在于，所述电磁超表面单元对应的电磁响应取决于编码图案的样式，所述编码图案的样式采用4个中心对称的8
×
8矩阵合并为16
×
16矩阵的方式，在神经网络输入时将以二维复制延拓的形式将4个16
×
16的矩阵扩展为32
×
32矩阵。3.根据权利要求2所述的电磁超表面单元，其特征在于，矩阵以随机产生的8
×
8编码矩阵为核心，经过中心对称复制与二维延拓复制后构建对应的电磁超表面单元，经电磁仿真软件进行物理仿真计算后输出超表面的电磁响应，频率范围设置为8
‑
12Ghz；所述电磁响应的幅值A和相位与电磁响应的实部Re和虚部Im存在以下对应关系：与电磁响应的实部Re和虚部Im存在以下对应关系：4.一种基于权利要求3所述的电磁超表面单元衍生出的超表面电磁响应快速预测方法，其特征在于，包括如下步骤：步骤一、获取电磁参数：将超表面图案编码数据集送入电磁仿真软件，批量对所有超表面进行电磁参数计算，收集超表面对应的S参数集合{Image
i
，Im
i
，Re
i
，Amp
i
，Ph
i
}，其中内容分别为超表面图案编码矩阵、虚部、实部、幅值、相位；电磁仿真软件输出的数据集为[1001，4]的矩阵，对数据集以步长25为间隔采样得[41，4]的矩阵，频率区间为8
‑
12Ghz，采样间隔为0.1Ghz；步骤二、制作数据集：将电磁仿真软件输出的数据集以41维向量表示，标注为标签，其中每个标签记为其对应的超表面图案编码数据的电磁响应；将超表面图案编码数制作成32
×
32分辨率大小的二值化图片，图片色彩通道为单通道，像素点数值为255或0，其中255对应超表面图案编码数据中的“1”，0对应超表面图案编码数据中的“0”，将数据集中80％的数据作为训练集，10％的数据作为验证集，10％作为测试集，数据集中各维度数据Image
i
为32
×
32分辨率的单通道图片，对应的标签为4个41维向量{Image
i
，Im
i
，Re
i
，Amp
i
，Ph
i
}，其中i∈[1，N]，N为数据集样本数；步骤三、预训练，构建网络模型：根据超表面电磁响应的特点，分别初始化实部、虚部的正向预测网络，实部网络记为RNet，虚部网络记为INet，两网络结构完全相同；两网络输入均为电磁超表面编码矩阵所对应的32
×
32分辨率大小的二值化图片，实部网络拟合电磁响应的实部，虚部网络拟合电磁响应的虚部，轮次训练网络至收敛；步骤四，对预训练后的实部网络和虚部网络进行剪枝操作。5.根据权利要求4所述的超表面电磁响应快速预测方法，其特征在于，所述步骤三中，预训练的操作步骤如下：S1：训练实部、虚部网络；
执行前向计算，计算单元结构设计Image
i
，其中，i∈[1，N]，N为输入图片总数；经过网络输出的网络预测值计算网络误差MSE：计算网络误差MSE：其中，i∈[1，M]，M为训练集样本数；均方误差的计算公式为：其中，y为真实值，为预测值，i∈[1，m]，m为维度；S2：同时加载两子网络RNet和INet，计算幅值的平方项构建网络物理约束项为：其中，i∈[1，M]，M为训练集样本数；网络损失函数定义为：S3：引入物理约束项后，对两子网络RNet和INet再次进行训练至收敛。6.根据权利要求4所述的超表面电磁响应快速预测方法，...

【专利技术属性】
技术研发人员：王琼，王木也，魏洪波，邱港，柏业超，唐岚，张兴敢，
申请(专利权)人：南京大学，
类型：发明
国别省市：