薄膜结构逆向设计方法、系统及薄膜结构技术方案

本发明专利技术公开了一种薄膜结构逆向设计方法、系统及薄膜结构，包括：S1、利用菲涅尔求解器构建薄膜结构和响应数据库；S2、构建基于条件式变换自编码器的深度神经网络模型，利用深度神经网络模型对所述数据库中的数据集的分布进行学习，深度神经网络模型的输入为真实的薄膜结构参数，输出为虚拟的薄膜结构参数；S3、利用深度学习模型来扩充数据库中的数据集；S4、利用扩充后的数据库对构建好的深度神经网络模型进行训练；S5、利用训练好的深度神经网络模型进行薄膜结构逆向设计。本发明专利技术利用深度神经网络模型，在搜索全局最优方面十分有效，且计算效率较高，同时搭配主动学习模型，可以增加训练数据量，有助于设计出更合理、性能更优异的薄膜结构。的薄膜结构。的薄膜结构。

【技术实现步骤摘要】
薄膜结构逆向设计方法、系统及薄膜结构


[0001]本专利技术薄膜结构设计
，尤其是指一种薄膜结构逆向设计方法、系统及薄膜结构。

技术介绍

[0002]多层平面薄膜衍射光栅是纳米等离子体和光子器件中的基本光学元件，因为它们调制此类系统中的光强度和光谱组成。在实践中，通常重要的是在各种不同厚度的介质和金属中确定最佳的多层设计，以实现期望的反射和透射光谱。
[0003]目前已经存在了许多逆算法来找到用于高效光子器件的这种优化设计。例如，许多传统的优化方法在这一特定任务中表现良好，包括遗传算法、拓扑优化和针优化技术，然而，众所周知，这个问题是高度非线性和非凸的，具有许多次优局部极小值，这使得很难找到全局最优。
[0004]在过去的十年中，人工智能技术，特别是深度学习，已经彻底改变了计算科学的许多领域，纳米光电技术也不例外。已经有大量关于这一主题的调查文章，并且在这项任务中使用了数量惊人的技术。例如使用传统人工神经网络、卷积混合密度网络，都在逆向设计过程中取得了不错的效果。但是，这些方法设计出的薄膜结构普遍存在不合理、性能不足的问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.薄膜结构逆向设计方法，其特征在于，包括以下步骤：S1、利用菲涅尔求解器构建薄膜结构和响应数据库；S2、构建基于条件式变换自编码器的深度神经网络模型，利用所述深度神经网络模型对所述数据库中的数据集的分布进行学习，所述深度神经网络模型的输入为真实的薄膜结构参数，输出为虚拟的薄膜结构参数；S3、利用深度学习模型来扩充数据库中的数据集；S4、利用扩充后的数据库对构建好的深度神经网络模型进行训练；S5、利用训练好的深度神经网络模型进行薄膜结构逆向设计。2.根据权利要求1所述的薄膜结构逆向设计方法，其特征在于，所述深度神经网络模型包括包括编码器、解码器以及一个潜变量空间，所述编码器将高维数据映射到低维数据，所述解码器将潜在向量映射回高维空间，所述编码器产生作为输入数据的函数的均值和协方差矩阵值，所述解码器利用潜在空间分布作为输入来生成数据分布。3.根据权利要求2所述的薄膜结构逆向设计方法，其特征在于，在所述深度神经网络模型中，损失函数由重建损失和正则化损失组成。4.根据权利要求3所述的薄膜结构逆向设计方法，其特征在于，所述正则化损失是编码器高斯分布和标准高斯分布之间的Kullback
‑
Leibler(KL)散度。5.根据权利要求1所述的薄膜结构逆向设计方法，其特征在于，在步骤S3中，所述深度学习模型的输入为不同薄...

【专利技术属性】
技术研发人员：刘春敏，袁亚飞，张书博，
申请(专利权)人：朗伯苏州光学科技有限公司，
类型：发明
国别省市：