一种基于深度神经网络的透明微波吸收器件频响预测与微结构设计方法技术

一种基于深度神经网络的透明微波吸收器件频响预测与微结构设计方法，属于电磁超表面设计领域。该方法包括：根据透明微波吸收器件微结构图案以及其所对应的频响、阵列周期、单元厚度构建数据集。将数据集分组输入频响预测模型进行训练，训练完毕的频响预测模型能够替代电磁仿真软件预测透明微波吸收器件微结构对应的频响。将数据集中的单元结构图案部分输入变分自编码器进行训练，训练完毕的变分自编码器能够生成具备数据集特征的图案。联合变分自编码器、频响预测模型与协方差自适应调整进化策略构建透明微波吸收器件微结构设计方法。通过对变分自编码器中的潜向量进行优化，可以直接通过目标频响得到具备此频响的透明微波吸收器件微结构，大幅度提升了设计效率。每次优化都能得到不同的透明微波吸收器件微结构，提升了生成结构的多样性，避免了难以加工的结构被设计。进一步，所提出的微结构设计方法能够通过目标理想频响进行透明微波吸收器件微结构的设计，并能满足单峰、多峰、宽带等不同的设计需求。设计需求。设计需求。

【技术实现步骤摘要】
一种基于深度神经网络的透明微波吸收器件频响预测与微结构设计方法


[0001]本专利技术涉及电磁超表面设计领域，特别涉及透明微波吸收器件频响预测与微结构设计方法。

技术介绍

[0002]超表面是二维的超材料，是一种人工层状材料，其厚度小于波长，为亚波长平面上的周期结构阵列。超表面在电磁波调控领域具有独特的性质，通过改变超表面本身的微结构图案和结构参数，能使超表面获得对特定波段的电磁波的振幅与相位进行调控的能力。目前，超表面领域已经发展成为了一个物理学、信息学、材料学等多学科交叉的新型方向。超表面可以对电磁波的多种特性进行调控，其中，吸收电磁波是超表面的一个重要应用。目前，对基于超表面的透明微波吸收器件研究主要集中在增大电磁波的吸收强度、拓宽电磁波的吸收带宽、调节电磁波的吸收频率等方面。无论是哪一个研究方向，都离不开透明微波吸收器件微结构的设计与优化。
[0003]传统的透明微波吸收器件微结构设计通常依赖于研究人员长年的设计经验积累以及大量的电磁学储备，不断地使用全波数值模拟的方法(如有限元法、时域有限差分法和有限积分技术(FIT))，通过试错法进行微结构的优化。这对于时间和计算资源的消耗是巨大的。且随着吸收型超表面的相关研究不断深入，亟需一种更加简单、快速的透明微波吸收器件设计方案。
[0004]近年来，深度学习技术逐渐步入了透明微波吸收器件设计领域，这种技术绕过了大量的麦克斯韦方程组的计算，采用一种数据驱动的方法对透明微波吸收器件微结构进行设计。在使用深度神经网络对透明微波吸收器件进行设计的领域中，根据频响需求构建先验的透明微波吸收器件数据集，用构造的数据集进行深度神经网络的训练。训练是寻求输入与输出之间隐含关系的过程，即频响、透明微波吸收器件微结构图案和结构参数之间的映射关系。训练完成的深度神经网络模型能从数据集中提取出难以被理论分析和数学计算出的隐含联系。提取出的联系能被深度神经网络泛化到数据集以外的数据对中，即当数据对的关系不发生改变时，一旦给出频响(透明微波吸收器件微结构图案和结构参数)，深度神经网络就能给出透明微波吸收器件微结构图案和结构参数(频响)。采用深度神经网络对透明微波吸收器件进行频响预测或是微结构设计都能缩短时间，降低难度。
[0005]在透明微波吸收器件的实际应用中，具有不同的吸收目标频响需求，分别为：在要求带宽内具有高微波吸收的单吸收谐振峰需求、在要求带宽内具有微波吸收频率和吸收效率可以随意设计的多吸收谐振峰需求、在大于10GHz的宽波段内具有高微波吸收的宽带吸收需求。为了快速设计出满足上述目标频响的透明微波吸收器件微结构，需要一种深度神经网络模型在保证准确性的同时加速设计过程。
[0006]1.专利202310222586.5“基于逆向设计的多维度多通道复用超表面全息的优化方法”描述了一种全息超表面优化算法。该方法能够应用于显示、成像、信息存储、显微术和防
伪加密领域，但其对超表面进行了参数化描述，受限于超表面微结构的几何参数。
[0007]2.专利202211341320.4“一种基于深度学习和结构变量的电磁超材料设计方法”描述了一种基于双生成器与频响实虚部分离的超表面设计方法。该方法分别构建了正向预测模型和逆向设计模型。但是其所涉及带宽较窄，仅为8GHz
‑
12GHz，且固定了超表面微结构的结构参数，对多种需求的设计效果欠佳。
[0008]3.南京邮电大学Li Jiang等人报道了一种基于多层感知机的神经网络模型对纳米结构相位调控超表面进行设计。该网络模型通过处理六个几何参数来准确预测相位值，并通过在输入层和隐藏之间插入一个Sigmoid函数、使用MAE作为损失函数的方式来解决相位调控超表面逆向设计的相位不连续的问题。但此神经网络模型仅针对六个几何参数的纳米结构相位调控超表面，泛化性和可移植性较低。(Jiang L等,“Neural network enabled metasurface design for phase manipulation”.Optics Express,2021,29(2):2521.)
[0009]4.弗吉尼亚理工大学John A.Hodge等人报道了一种基于GAN变种深层卷积生成对抗网络的深度神经网络模型来辅助射频超表面的设计。其在DC
‑
GAN的模网络型中添加了一个单独的频响预测神经网络来快速验证合成的超表面微结构的频响。虽然这种模型为针对一个特定的目标频响仅能产生一个特定超表面微结构，若此结果不符合加工、设计需要，那么就需要重新采用试错法进行设计。(John A.Hodge等,“RF metasurface array design using deep convoLUtional generative adversarial networks”.2019IEEE International Symposium on Phased Array System&Technology(PAST).IEEE,2019:1
‑
6)
[0010]综上所述，现有的基于深度学习的透明微波吸收器件结构设计与频响预测问题如下：
[0011]1.微结构设计模型通用性较差：不能同时满足较宽频段内不同应用场合下的理想频响需求，如单峰或多峰频率、幅值可调或宽带等需求，一般只能针对单类频响需求和较窄的频段内的频响进行结构的逆向设计，通用性较差。
[0012]2.微结构设计模型获得的透明微波吸收器件微结构单一：目前，多数结构逆向模型针对一个频响输入，仅能输出一个确定的结果。而在数据集中，超表面微结构与电磁响应往往存在着一对多的碰撞关系，会导致设计精度的降低，且当输出的透明微波吸收器件微结构在某些方面存在如加工难度过高、透光度过低等问题时，就只能通过传统的设计方法来设计出符合要求的超表面微结构。
[0013]3.频响预测模型通用性较差、预测精度低：部分研究将透明微波吸收器件微结构固定于某个具体形状，对这个形状进行参数化描述，数据集受限。且频响预测模型的架构也较为简单，在数据集的影响下，不能拥有良好的拟合能力，并且针对图案化的微结构进行频响预测时，往往固定了其阵列周期与厚度，通用性也受到了限制。

技术实现思路

[0014]本专利技术提供一种基于深度神经网络的透明微波吸收器件频响预测与微结构设计方法，以期解决上述问题，其主要包括：
[0015]搭建透明微波吸收器件微结构数据集，建立基于变分自编码器图案生成器、频响预测模型与基于协方差自适应调整进化策略的潜向量优化器；透明微波吸收器件微结构设
计方法的整体的工作流程为：
[0016]Ⅰ、输入所需的目标频响；
[0017]Ⅱ、采用高斯分布初始化潜向量，潜向量为20维，种群大小为k(50≤k≤100)组；
[0018]Ⅲ、初始化后的潜向量通过变分自编码器的解码器部分生成透明微波吸收器件微结构图案，并将图案与全连接层映射后的周期、厚度进行拼接；
[0019]Ⅳ、将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度神经网络的透明微波吸收器件频响预测与微结构设计方法，其特征在于，所述方法包括：搭建透明微波吸收器件微结构数据集，建立基于变分自编码器图案生成器、频响预测模型与基于协方差自适应调整进化策略的潜向量优化器；透明微波吸收器件微结构设计方法的整体的工作流程为：Ⅰ、输入所需的目标频响；Ⅱ、采用高斯分布初始化潜向量，潜向量为20维，种群大小为k(50≤k≤100)组；Ⅲ、初始化后的潜向量通过变分自编码器的解码器部分生成透明微波吸收器件微结构图案，并将图案与全连接层映射后的周期、厚度进行拼接；Ⅳ、将拼接后的整体输入进频响预测模型预测频响；
Ⅴ
、联合预测的频响与所需的目标频响计算适应度函数值；
Ⅵ
、选取适应度函数值最大的10组潜向量作为采样分布参数更新的基础，更新采样分布参数；
Ⅶ
、在达到预设的训练轮数n(50≤n≤100)或是适应度函数值绝对值小于1.00时，停止优化，输出最优的潜向量对应的透明微波吸收器件微结构；多次优化可以得到具备相似频响但透明微波吸收器件微结构图案不同的输出。2.如权利要求1所述的一种基于深度神经网络的透明微波吸收器件频响预测与微结构设计方法，其特征在于，数据集包括透明微波吸收器件微结构图案、周期、厚度及此微结构所对应的频响。3.如权利要求1所述的一种基于深度神经网络的透明微波吸收器件频响预测与微结构设计方法，其特征在于，数据集通过以下方式获取：将透明微波吸收器件微结构分成32
×
32个像素，像素中1表示该区域被透明微波吸收器件微结构所需的透明导电材料如氧化铟锡、超薄银膜等覆盖，而0表示该区域未覆盖，单个像素大小受透明微波吸收器件微结构阵列周期限制，在1μm
×
1μm到300μm
×
300μm范围内取值；采用“随机矩形旋转对称法”获取透明微波吸收器件微结构图案，共计35000组；设置完结构参数后，采用电磁仿真软件对透明微波吸收器件微结构进行仿真，得到其对应的电磁响应。4.如权利要求1所述的一种基于深度神经网络的透明微波吸收器件频响预测与微结构设计方法，其特征在于，“随机矩形旋转对称法”构建透明微波吸收器件微结构图案步骤为：首先生成一个8
×
16像素的灰度值为0的图片，在这个图片中，随机生成2
‑
5个长边取值范围为1
‑
12个像素且窄边取值范围为1
‑
6个像素的矩形。取这些矩形覆盖区域的并集，将其灰度值设置为1；以这个8
×
16像素的图案作为基础，沿其y轴镜像对称得到一个16
×
16像素的图案，随后将此图案依次顺时针旋转90
°
、180
°
、270
°
，之后将所原图案与旋转后的...

【专利技术属性】
技术研发人员：王赫岩，陆振刚，邱煜焜，谭久彬，刘云菲，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：