一种基于神经伴随算法的超表面吸波器设计方法及系统技术方案

本发明专利技术公开了一种基于神经伴随算法的超表面吸波器设计方法及系统，包括以下步骤：随机生成超表面吸波器的结构参数，通过电磁仿真模拟计算得到相应的频谱响应，构建正向预测数据集；正向预测数据集中划分出训练集，搭建正向神经网络模型，使用训练集对正向神经网络模型进行训练；以训练好的正向神经网络模型为基础，利用伴随算法构建逆设计流程，将目标频谱响应输入逆设计流程进行迭代计算，确定超表面吸波器的结构参数。本发明专利技术采用伴随算法结合神经网络求导计算的优势，实现训练一个正向神经网络模型同时完成正向和逆向两种预测目标。网络模型同时完成正向和逆向两种预测目标。网络模型同时完成正向和逆向两种预测目标。

【技术实现步骤摘要】
一种基于神经伴随算法的超表面吸波器设计方法及系统


[0001]本专利技术属于微波超构表面吸波器领域，涉及一种基于神经伴随算法的超表面吸波器设计方法及系统。

技术介绍

[0002]传统的吸波结构往往受限于四分之一波长的最薄工作厚度，要使其厚度变薄的情况下还能满足高效吸收的阻抗匹配条件，需要通过材料掺杂的方式增大其等效介电常数与等效磁导率。在过去的几十年中，纳米加工的进步为研究人员提供了观察和操控亚波长单元结构材料中电磁波与物质相互作用的机会。
[0003]电磁超材料(Electromagnetic metamaterial)是人工制造的周期性排列性谐振结构，其单元尺寸(P)远小于电磁波长(λ)。当P<λ时，电磁超材料表现为具有等效介电常数和等效磁导率的均匀介质。材料对外加电场的响应由材料的本构参数(介电常数和磁导率)决定。通过适当的设计，电磁超材料的等效介电常数和等效磁导率可以同时趋于零(零折射率材料)，也可同为负值。因其具备自然界中不存在的材料本构参数可以实现迷人的电磁特性，如负折射、非对称传输和隐身等。具有亚波长厚度的二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经伴随算法的超表面吸波器设计方法，其特征在于，包括以下步骤：随机生成超表面吸波器的结构参数，通过电磁仿真模拟计算得到相应的频谱响应，构建正向预测数据集；从正向预测数据集中划分出训练集，搭建正向神经网络模型，使用训练集对正向神经网络模型进行训练；以训练好的正向神经网络模型为基础，利用伴随算法构建逆设计流程，将目标频谱响应输入逆设计流程进行迭代计算，确定超表面吸波器的结构参数。2.根据权利要求1所述的一种基于神经伴随算法的超表面吸波器设计方法，其特征在于，所述正向预测数据集包括超表面吸波器的结构参数和相应的频谱响应。3.根据权利要求1所述的一种基于神经伴随算法的超表面吸波器设计方法，其特征在于，所述构建正向预测数据集的过程为：随机产生结构参数G，在电磁仿真软件中对其模拟计算得到相应的S
11
频谱，S
11
频谱与吸收频谱A之间存在以下对应关系：A＝1
‑
R＝1
‑
S
112
将结构参数G作为输入，吸收频谱A作为输出构建正向预测数据集。4.根据权利要求3所述的一种基于神经伴随算法的超表面吸波器设计方法，其特征在于，所述S
11
频谱的频率范围为1～21GHz，采样间隔为0.001GHz。5.根据权利要求1所述的一种基于神经伴随算法的超表面吸波器设计方法，其特征在于，所述正向神经网络模型包括全连接网络和一维卷积网络；所述全连接网络中包括若干全连接层，在相邻两个全连接层之间都添加有归一化层；所述一维卷积网络实现数据的升维过程，设计若干个逆卷积层，确定其中各层的卷积核维度和各层的步幅；网络的优化器为Adam，学习率为0.0001；用均方误差作为损失函数：其中，y
i
表示数据集中与结构参数对应的吸收频谱，y
′
i
表示全连接网络模型预测的吸收频谱，n表示结构参数或吸收频谱的数量；使用训练集对正向神经网络模型进行训练，完成预定循环次数的训练后神经网络模型的参数不再改变。6.根据权利要求1所述的一种基于神经伴随算法的超表面吸波器设计方法，其特征在于，...

【专利技术属性】
技术研发人员：樊元成，李智琛，许晶，杨蕤生，付全红，张富利，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：