【技术实现步骤摘要】
本申请涉及超材料技术，更具体的说，涉及一种超材料电磁响应曲线搜索方法、装置及系统。
技术介绍
1、超材料设计的核心思想是利用复杂的人造微结构设计与加工实现人造“原子”以对电磁场或者声呐进行响应。其核心理论是描述电磁波轨迹与超材料特性的变形光学，该技术的一大核心难点在于如何建模设计成千上万个互相不同的人造复杂微结构并按照合理的排布组成一个具有特殊功能性的超材料器件。这对建模、计算、理论分析、设计、调试都带来了极大的困难。目前在寻找最优电磁响应曲线过程中的常规方法是由工程师设计一种超材料微结构，然后借助电磁仿真软件对微结构进行电磁仿真以获取其响应曲线,与目标曲线对比，不断迭代直至满足目标曲线的要求。这一过程中对工程师的经验要求较高，存在人工试错的过程，需要根据仿真结果不断调整设计新的微结构，然后继续仿真，因此需要付出昂贵的时间成本与人力成本。
技术实现思路
1、本专利技术针对现有技术中对超材料的设计需要不断迭代人工试错，反复仿真结果不断调整设计，需要耗费昂贵的时间成本与人力成本的缺陷，提供一种超材料电磁响应曲线搜索方法、装置及系统，用以克服上述的问题。
2、根据本专利技术的一个实施例，提供一种超材料电磁响应曲线搜索方法，包括：
3、s1、生成超材料微结构对应的第一矩阵；
4、s2、将第一矩阵输入到神经网络，神经网络输出电磁响应曲线对应的第二矩阵；
5、s3、将第二矩阵还原为电磁响应曲线。
6、在一个实施例中步骤s1还包括：p>
7、s11、超材料微结构从设计空间降维到低维流形，生成第一矩阵。
8、在一个实施例中步骤s11包括：
9、s111、使用深度学习算法与神经网络将设计输入空间的微结构图片样本降维到低维流形上的分布；
10、s112、从低维流形分布进行采样，对采样获取的低维流形样本使用神经网络进行升维重建，并使用重构损失函数计算出原图与重建图之间的误差；
11、s113、计算低维流形分布与正态分布的kl散度，并计入到误差项；
12、s114、误差通过网络反向传播，优化网络参数。
13、在一个实施例中步骤s2执行前，还包括对神经网络进行训练，训练包括：
14、步骤1：将超材料从设计空间降维到低维流形上；
15、步骤2：利用高斯代理模型建模，将低维流形与超材料对应的电磁响应曲线建立映射关系；
16、步骤3：设计基于信赖域的贝叶斯优化算法；
17、步骤4：利用贝叶斯优化算法对低维流形数据进行优化迭代；
18、步骤5：将低维流形数据还原到设计空间，获取最优电磁响应曲线。
19、在一个实施例中超材料电磁响应曲线搜索方法包括：
20、根据初始超材料数据评估点集，构建基于高斯过程的代理模型；
21、选取当前最小点，以高斯过程代理模型的长度尺度作为权重半径，构建信赖域；
22、在信赖域内，随机抽样；
23、用高斯过程代理模型预测出最大后验候选点集；
24、根据当前最大候选点集的函数值，调整信赖域半径。
25、根据本专利技术的另一个实施例，提供一种超材料电磁响应曲线搜索装置，包括：
26、矩阵生成单元，用于生成超材料微结构对应的第一矩阵；
27、超材料微结构神经网络，矩阵生成单元生成的第一矩阵向超材料微结构神经网络输入矩阵，超材料微结构神经网络输出电磁响应曲线对应的第二矩阵；
28、电磁响应曲线生成单元，用于将电磁响应曲线对应的第二矩阵还原为电磁响应曲线。
29、在一个实施例中矩阵生成单元还包括低维流形单元，低维流形单元用于将超材料微结构从设计空间降维到低维流形，生成第一矩阵。
30、在一个实施例中低维流形单元包括：
31、神经网络单元，用于使用深度学习算法将设计输入空间的微结构图片样本降维到低维流形上的分布；
32、采样单元，用于从低维流形分布进行采样，对采样获取的低维流形样本使用神经网络进行升维重建，并使用重构损失函数计算出原图与重建图之间的误差；
33、分布比对单元，用于计算低维流形分布与正态分布的kl散度，并计入到误差项；
34、优化单元，用于将误差通过网络反向传播，优化网络参数。
35、根据本专利技术的又一个实施例，提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，计算机程序被处理器执行时实现超材料电磁响应曲线搜索方法的步骤。
36、根据本专利技术的又一个实施例，提供一种电子装置，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现超材料电磁响应曲线搜索方法的步骤
37、实施本专利技术的方案具有以下的有益效果：利用高斯代理模型与基于信赖域的贝叶斯优化算法，在具有良好的连续性和稠密性的低维流形上进行最优电磁响应曲线的搜索，与常规人工试错仿真方法对比，避免长时间的人工仿真试验，实现超材料微结构的快速设计与迭代优化，可有效地节约成本，提升效率。
本文档来自技高网...【技术保护点】
1.一种超材料电磁响应曲线搜索方法，其特征在于，包括：
2.根据权利要求1所述的超材料电磁响应曲线搜索方法，其特征在于，所述步骤S1还包括：
3.根据权利要求2所述的超材料电磁响应曲线搜索方法，其特征在于，所述步骤S11包括：
4.根据权利要求1所述的超材料电磁响应曲线搜索方法，其特征在于，所述步骤S2执行前，还包括对所述神经网络进行训练，所述训练包括：
5.根据权利要求4所述的超材料电磁响应曲线搜索方法，其特征在于，所述方法包括：
6.一种超材料电磁响应曲线搜索装置，其特征在于，包括：
7.根据权利要求6所述的超材料电磁响应曲线搜索装置，其特征在于，所述矩阵生成单元还包括低维流形单元，所述低维流形单元用于将超材料微结构从设计空间降维到低维流形，生成第一矩阵。
8.根据权利要求7所述的超材料电磁响应曲线搜索装置，其特征在于，所述低维流形单元包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1-5任一项
10.一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1-5任一项中所述的方法的步骤。
...【技术特征摘要】
1.一种超材料电磁响应曲线搜索方法，其特征在于，包括：
2.根据权利要求1所述的超材料电磁响应曲线搜索方法，其特征在于，所述步骤s1还包括：
3.根据权利要求2所述的超材料电磁响应曲线搜索方法，其特征在于，所述步骤s11包括：
4.根据权利要求1所述的超材料电磁响应曲线搜索方法，其特征在于，所述步骤s2执行前，还包括对所述神经网络进行训练，所述训练包括：
5.根据权利要求4所述的超材料电磁响应曲线搜索方法，其特征在于，所述方法包括：
6.一种超材料电磁响应曲线搜索装置，其特征在于，包括：
7.根据权利要求6所述的超材料电磁响应曲线...
【专利技术属性】
技术研发人员：刘若鹏，季春霖，龚定伟，
申请(专利权)人：深圳光启高等理工研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。