【技术实现步骤摘要】
本专利技术属于太赫兹超材料领域，尤其涉及一种基于遗传算法的微流道超材料设计方法、电子设备、介质。
技术介绍
1、由于超材料的共振频率响应与周围介质的介电常数密切相关，将待分析物覆盖在超材料上，可通过共振频率的频移量实现对待分析物定性与定量分析，来作为物质微量检测的传感器，检测流程简单，超材料作为信号增强载体用于生物分子、病毒、细菌、细胞和小囊泡样本的高灵敏探测。因此，结合太赫兹超材料传感器是一种新型的生物医学检测手段，具有高灵敏性、样品用量少、可无标记检测、低成本、快速分析、操作简单等优点。
2、传统的超材料往往依靠设计相似功能或相似电磁特性的超材料的经验，设计出一个最初的超材料结构，并使用电磁仿真软件进行仿真，通过仿真结果对超材料设计过程中的关键参数逐个进行扫参，若存在符合当前设计要求的超材料结果则保留，若扫参结束仍找不到符合设计需求的超材料结构，则需要对超材料进行重新设计。
3、《x.shi,ts.qiu,et al,metasurface inverse design using machine learningapproaches[j].journal of physics d-applied physics,53(27),2020》提出了编码超表面单元模型，并通过一种基于人工蜂群优化的支持向量机算法的超表面结构反向设计算法(amid)，但采用16维超表面单元矩阵的编码超表面单元模型的方法设计出来的超材料结构复杂且不规则，对于微纳的精度来说，不利用实际制造与加工。基于人工蜂群优化的支持向量机算法准
4、中国专利cn115238480a提出了一种基于自适应粒子群遗传混合算法的数字超材料设计方法,解决相位稳定性、极化不敏感性以及工作频带的问题，该设计算法具有算法收敛快、寻优效果好的特点，但未对前端基础的超表面单元结构进行参数设计优化，且同样存在设计的超材料结构复杂且不规则，不利用加工制造的问题，同时该算法存在可能过早收敛问题，使求解不准确的问题。
5、中国专利cn111767678a提供一种基于深度学习神经网络的超材料电磁感应透明器件的结构按需设计方法，该方法采用基础的电磁感应透明效应的超材料，结合深度学习神经网络实现参数优化设计。该方法主要针对电磁感应透明器件进行设计，数据集单一且不具备超材料设计的普适性，且未引入待测物与设计的超材料作用结果，以及待测分析物的厚度；同时深度神经网络结构复杂，训练时间过长，存在过拟合与预测精度不高的问题。
技术实现思路
1、鉴于此，本专利技术提供了一种基于遗传算法的微流道超材料设计方法、电子设备、介质，以克服现有技术上的上述至少一方面缺陷。
2、第一方面，本专利技术实施例提供了一种基于遗传算法的微流道超材料设计方法，微流道超材料传感器包括自下而上布置的衬底层、微流道层、金属谐振层以及支撑层；其中，金属谐振层是由若干个子结构组成的阵列；
3、所述设计方法包括：
4、根据谐振峰个数、谐振峰频率位置进行微流道超材料传感器类型以及金属谐振层子结构的选型；
5、根据微流道超材料传感器类型与其在谐振峰频率段的吸收系数确定衬底层、金属谐振层以及支撑层的材料；
6、基于微流道超材料传感器的结构构建等效电路模型，得到微流道超材料传感器的结构与电磁参数之间的映射关系；
7、设置微流道超材料传感器的结构参数之间的约束关系；包括：两两金属谐振层子结构的间距大于0，且两两金属谐振层子结构之间相互不干涉；
8、根据微流道超材料传感器的结构与电磁参数之间的映射关系以及微流道超材料传感器的结构参数之间的约束关系，设置待设计的微流道超材料传感器的结构特征参数；
9、以微流道超材料传感器的灵敏度、品质因数、半峰宽下的品质因数为优化指标，采用遗传算法对微流道超材料传感器的结构特征参数进行优化。
10、第二方面，本专利技术实施例提供了一种电子设备，包括存储器和处理器，所述存储器与所述处理器耦接；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述的基于遗传算法的微流道超材料设计方法。
11、第三方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的基于遗传算法的微流道超材料设计方法。
12、与现有技术相比，本专利技术的有益效果为：本专利技术提供了一种基于遗传算法的微流道超材料设计方法，基于微流道的超材料结构，形成可以精准控制液体样本厚度并减少水对太赫兹波吸收的微米级微流通道，利用等效电路模型建立参数结构与电路之间的联系，基于遗传算法的微流道超材料设计方法可通过对结构参数的自适应寻优，在进行超材料的设计过程中在提高参数寻优的鲁棒性与快速收敛能力的同时，提高结构参数设计的精确度。本专利技术可解决太赫兹对液体样本的极性分子敏感性问题，并引入待测液体样本厚度与超材料的作用效果，采用基于遗传算法优化超材料的关键参数，避免了传统设计的低效与过度经验依赖问题，也解决了深度神经网络的训练时间过长，模型预测准确率不高的问题。本专利技术提供的太赫兹生物医学超材料的结构设计方法，可解决极性分子敏感性并提高检测灵敏度。
本文档来自技高网...【技术保护点】
1.一种基于遗传算法的微流道超材料设计方法，其特征在于，微流道超材料传感器包括自下而上布置的衬底层、微流道层、金属谐振层以及支撑层；其中，金属谐振层是由若干个子结构组成的阵列；
2.根据权利要求1所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，微流道超材料传感器类型为透射型或反射型；金属谐振层子结构包括I型、C型、H型、O型、E型。
3.根据权利要求1所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，根据微流道超材料传感器类型与其在谐振峰频率段的吸收系数确定衬底层、金属谐振层以及支撑层的材料包括：
4.根据权利要求1所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，基于微流道超材料传感器的结构构建等效电路模型，得到微流道超材料传感器的结构与电磁参数之间的映射关系包括：
5.根据权利要求4所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，子回路m具有谐振峰值时第m个回路的电压Vm＞0，子回路m不具有谐振峰值时，第m个回路的电压Vm＝0。
6.根据权利要求1所述的一种基于遗传算法的微流道超材
7.根据权利要求1所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，以微流道超材料传感器的灵敏度、品质因数、半峰宽下的品质因数为优化指标，采用遗传算法对微流道超材料传感器的结构特征参数进行优化包括：
8.根据权利要求1所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，所述设计方法还包括：
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器与所述处理器耦接；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述权利要求1-8任一项所述的基于遗传算法的微流道超材料设计方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的基于遗传算法的微流道超材料设计方法。
...【技术特征摘要】
1.一种基于遗传算法的微流道超材料设计方法，其特征在于，微流道超材料传感器包括自下而上布置的衬底层、微流道层、金属谐振层以及支撑层；其中，金属谐振层是由若干个子结构组成的阵列；
2.根据权利要求1所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，微流道超材料传感器类型为透射型或反射型；金属谐振层子结构包括i型、c型、h型、o型、e型。
3.根据权利要求1所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，根据微流道超材料传感器类型与其在谐振峰频率段的吸收系数确定衬底层、金属谐振层以及支撑层的材料包括：
4.根据权利要求1所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，基于微流道超材料传感器的结构构建等效电路模型，得到微流道超材料传感器的结构与电磁参数之间的映射关系包括：
5.根据权利要求4所述的一种基于遗传算法的微流道超材料设计方法，其特征在于，子回路m具有谐振峰值时第m个回路的电压vm＞0，子回路m不具有谐振峰值时，第m个回路的电压vm＝0。
6.根...
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。