多层膜结构逆向设计方法、系统及多层膜结构技术方案

本发明专利技术公开了一种多层膜结构逆向设计方法、系统及多层膜结构，包括：S1、通过样本选择生成数据集；S2、预训练一个模拟神经网络；S3、训练一个逆向设计神经网络，搭配所述模拟神经网络形成串联神经网络；S4、利用数据库对构建好的串联神经网络进行训练；S5、利用训练好的串联神经网络进行多层膜结构逆向设计。本发明专利技术的多层膜结构逆向设计方法将模拟神经网络和逆向设计神经网络相结合形成串联神经网络，并且预测误差较小，可以设计出更合理、准确度高的薄膜结构。的薄膜结构。的薄膜结构。

【技术实现步骤摘要】
多层膜结构逆向设计方法、系统及多层膜结构


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

技术介绍

[0002]光学器件的应用非常广泛，在过去几十年中，由于制造技术和计算能力的进步，光学器件的普及率不断提高。超材料和纳米光子学可以精确地控制光与物质的相互作用，使它们能够用于各种各样的应用。因此如何快速的对多层膜结构进行设计变得至关重要。
[0003]传统的逆向设计方法已经取得了成功的结果，并且对于小规模建模来说往往非常准确；然而，当处理大量参数时，由于其复杂性和时间成本，这些方法并不可行。出于这些原因，机器学习走到了逆向设计方法的前沿。机器学习使用一系列算法来分析大量数据，并映射信息之间的复杂关系，以便对新数据进行未来预测。
[0004]近年来，串联方法已成为解决非唯一性的最流行方法，先使用反向设计神经网络建立串联网络，将其输出作为正向建模网络的输入。采用这种方法，可以最大限度地减少非唯一性问题，因为无论预测的材料结构如何，模型将仅根据其产生具有所需光谱响应的结构的能力进行评估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.多层膜结构逆向设计方法，其特征在于，包括以下步骤：S1、通过样本选择生成数据集；S2、预训练一个模拟神经网络；S3、训练一个逆向设计神经网络，搭配所述模拟神经网络形成串联神经网络；S4、利用数据库对构建好的串联神经网络进行训练；S5、利用训练好的串联神经网络进行多层膜结构逆向设计。2.根据权利要求1所述的多层膜结构逆向设计方法，其特征在于，所述模拟神经网络包括输入层、四个隐藏层和输出层。3.根据权利要求2所述的多层膜结构逆向设计方法，其特征在于，所述输入层的输入为多层膜中各个层的厚度，所述输出层的输出为反射光谱。4.根据权利要求2所述的多层膜结构逆向设计方法，其特征在于，所述模拟神经网络训练采用均方误差损失函数。5.根据权利要求2所述的多层膜结构逆向设计方法，其特征在于，所述输入层包括6个神经元，所述输出层包括81个神经元。6.根据权利要求1所述的多层膜结构逆向设计方法，其特征在于，所述串联神经网络的输...

【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：