System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及光电材料设计和深度学习领域,尤其涉及一种超表面汇聚透镜的设计方法及装置。
技术介绍
1、传统的汇聚透镜的成像,依赖于其厚度、形状、材料的折射率等因素控制焦点的位置,所以要实现目标的焦距厚度则难以做薄,难以小型化。随着超表面技术的出现,汇聚透镜的小型化取得了新的进展,超表面构成的汇聚透镜通过其表面上周期性或准周期性排列的亚波长散射体调节光路,实现了汇聚透镜的小型化。
2、在形成本专利技术的过程,专利技术人发现现有的超表面汇聚透镜的设计方法存在如下问题:
3、现有的超表面汇聚透镜的设计方法或者通过人工优化设计效率低,或者通过神经网络训练模型的方式一方面针对千万级的基元的数据量需要消耗大量的时间的计算资源,另一方面容易引入离散化误差以及陷入局部最优解而导致设计结果不够理想。
4、所以,目前的设计方法还无法满足超表面汇聚透镜的需求,制约了超表面汇聚透镜的发展。
技术实现思路
1、为解决上述的现有技术问题中的至少其一,本专利技术的目的在于提供一种资源消耗相对较少、且避免陷入局部最优的超表面汇聚透镜的设计方法及装置。
2、为实现上述专利技术目的,本专利技术一实施方式提供一种超表面汇聚透镜的设计方法,包括如下步骤:
3、基于所述超表面汇聚透镜的预设参数,生成初始种群,通过遗传算法迭代所述初始种群,生成若干组遗传基元参数;
4、基于所述超表面汇聚透镜的预设参数,生成物理先验基元参数;
5、根据所述若干
6、作为本专利技术的进一步改进,所述超表面汇聚透镜的预设参数包括基元带的基元带参数,所述基元带包括呈线性排布的多个所述基元,所述基元带过所述超表面汇聚透镜的圆心,所述若干组遗传基元参数、所述物理先验基元参数和所述融合基元参数均是所述基元带上的基元参数;
7、所述步骤基于所述超表面汇聚透镜的预设参数,生成初始种群包括:
8、基于预设编码方法,随机生成与所述基元带对应的所述初始种群,其中,所述预设编码方法建立基元尺寸参数与编码的对应关系,所述初始种群的每组候选解包括所述基元带上每个基元的尺寸编码。
9、作为本专利技术的进一步改进,所述步骤生成初始种群包括:
10、随机生成多组所述初始种群,其中,每组所述初始种群包括多组初始候选解,每组初始候选解对应一组基元参数;
11、所述步骤通过遗传算法迭代所述初始种群,生成若干组遗传基元参数包括:
12、基于种群中每个候选解的适应度值和遗传算子,迭代所述初始种群,直至满足预设终止条件,得到若干组迭代种群;
13、通过比较各组所述迭代种群的种群适应度值的大小,确定优选种群,其中,所述优选种群包括多组优选候选解,每组所述优选候选解对应一组所述遗传基元参数。
14、作为本专利技术的进一步改进,所述适应度值的计算方法包括步骤:
15、根据与候选解对应的超表面汇聚透镜的汇聚效率,确定该候选解的所述适应度值;
16、所述种群适应度值的计算方法包括步骤:
17、计算种群中全部候选解的适应度值的平均值,所述平均值为该种群的种群适应度值;
18、所述预设终止条件为所述种群适应度值不小于预期阈值,或迭代次数达到第一次数阈值;
19、所述步骤通过比较各组所述迭代种群的种群适应度值的大小,确定优选种群包括:
20、将全部所述迭代种群中种群适应度值最大的种群,确定为所述优选种群。
21、作为本专利技术的进一步改进,所述遗传算子包括选择算子、交叉算子和变异算子中的一个或多个;
22、所述步骤基于种群中每个候选解的适应度值和遗传算子,迭代所述初始种群包括:
23、当所述遗传算子为选择算子时,选择当前种群中的若干组适应度值符合第二预设阈值的候选解,作为更新后的种群的候选解;
24、当所述遗传算子为交叉算子时,将当前种群中的至少两组候选解交叉产生新的候选解,将新的候选解中适应度值符合第三预设阈值的候选解,作为更新后的种群的候选解;
25、当所述遗传算子为变异算子时,将当前种群中的若干组候选解变异产生新的候选解,将新的候选解中适应度值符合第四预设阈值的候选解,作为更新后的种群的候选解。
26、作为本专利技术的进一步改进,所述预设参数包括所述超表面汇聚透镜的目标焦距和入射光的波长;
27、所述步骤基于所述超表面汇聚透镜的预设参数,生成物理先验基元参数包括:
28、基于所述目标焦距和所述入射光的波长,通过局域周期性近似算法计算所述超表面汇聚透镜的初始相位参数;
29、根据所述基元的相位参数,确定基元的尺寸参数;
30、根据所述基元的尺寸参数和所述基元带参数,生成与所述基元带对应的物理先验基元参数。
31、作为本专利技术的进一步改进,所述遗传基元参数存在多组;
32、所述步骤根据所述若干组遗传基元参数和所述物理先验基元参数,确定融合基元参数包括:
33、将所述物理先验基元参数分别与每组所述遗传基元参数融合,得到多组预融合基元参数,其中,每组预融合基元参数对应的超表面汇聚透镜的汇聚效率满足目标汇聚效率;
34、将所述汇聚效率最高的一组预融合基元参数作为所述融合基元参数。
35、作为本专利技术的进一步改进,所述步骤将所述物理先验基元参数分别与每组所述遗传基元参数融合,得到多组预融合基元参数包括:
36、根据融合公式r=a*r1+b*r2,将所述物理先验基元参数分别与每组所述遗传基元参数融合,得到多组预融合基元参数,其中,融合公式为:r=a*r1+b*r2,r是预融合基元参数,r1是所述物理先验基元参数,r2是所述遗传基元参数,a是第一加权系数矩阵,b是第二加权系数矩阵,a和b的对应位置的元素之和均等于1;
37、分别更新每组所述遗传基元参数对应的所述第一加权系数矩阵a和/或所述第二加权系数矩阵b,直至达到第二终止条件;
38、基于达到第二终止条件的所述第一加权系数矩阵a和所述第二加权系数矩阵b,计算更新后的预融合基元参数。
39、作为本专利技术的进一步改进,还包括步骤:
40、通过神经网络分别更新每组所述遗传基元参数对应的所述第一加权系数矩阵a和/或所述第二加权系数矩阵b,所述神经网络的损失函数根据所述预融合基元参数对应的超表面汇聚透镜的汇聚效率与所述目标汇聚效率的差异计算;
41、所述第二终止条件包括每组所述预融合基元参数对应的超表面汇聚透镜的汇聚效率收敛至所述目标汇聚效率、或所述神经网络的更新次数达到第二次数阈值。
42、作为本专利技术的进一步改进,所述超表面汇聚透镜的预设参数包括所述超表面汇聚透镜的基元的排布参数;
43、所述设计方法还包括步骤本文档来自技高网...
【技术保护点】
1.一种超表面汇聚透镜的设计方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的超表面汇聚透镜的设计方法,其特征在于,所述超表面汇聚透镜的预设参数包括基元带的基元带参数,所述基元带包括呈线性排布的多个所述基元,所述基元带过所述超表面汇聚透镜的圆心,所述若干组遗传基元参数、所述物理先验基元参数和所述融合基元参数均是所述基元带上基元的基元参数;
3.根据权利要求1或2所述的超表面汇聚透镜的设计方法,其特征在于,所述步骤生成初始种群包括:
4.根据权利要求3所述的超表面汇聚透镜的设计方法,其特征在于,所述适应度值的计算方法包括步骤:
5.根据权利要求4所述的超表面汇聚透镜的设计方法,其特征在于,所述遗传算子包括选择算子、交叉算子和变异算子中的一个或多个;
6.根据权利要求2所述的超表面汇聚透镜的设计方法,其特征在于,所述预设参数包括所述超表面汇聚透镜的目标焦距和入射光的波长;
7.根据权利要求2或6所述的超表面汇聚透镜的设计方法,其特征在于,所述遗传基元参数存在多组;
8.根据权利要求7所述的超表
9.根据权利要求8所述的超表面汇聚透镜的设计方法,其特征在于,还包括步骤:
10.根据权利要求2所述的超表面汇聚透镜的设计方法,其特征在于,所述超表面汇聚透镜的预设参数包括所述超表面汇聚透镜的基元的排布参数;
11.一种超表面汇聚透镜的设计装置,其特征在于,包括:
12.一种电子设备,其特征在于,包括:
13.一种可读存储介质,其存储有计算机程序,其特征在于,该计算机程序被处理模块执行时可实现权利要求1至10中任意一项所述的超表面汇聚透镜的设计方法中的步骤。
...【技术特征摘要】
1.一种超表面汇聚透镜的设计方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的超表面汇聚透镜的设计方法,其特征在于,所述超表面汇聚透镜的预设参数包括基元带的基元带参数,所述基元带包括呈线性排布的多个所述基元,所述基元带过所述超表面汇聚透镜的圆心,所述若干组遗传基元参数、所述物理先验基元参数和所述融合基元参数均是所述基元带上基元的基元参数;
3.根据权利要求1或2所述的超表面汇聚透镜的设计方法,其特征在于,所述步骤生成初始种群包括:
4.根据权利要求3所述的超表面汇聚透镜的设计方法,其特征在于,所述适应度值的计算方法包括步骤:
5.根据权利要求4所述的超表面汇聚透镜的设计方法,其特征在于,所述遗传算子包括选择算子、交叉算子和变异算子中的一个或多个;
6.根据权利要求2所述的超表面汇聚透镜的设计方法,其特征在于,所述预设参数包括所述超表面汇聚透镜的...
【专利技术属性】
技术研发人员:王敦,宋凯,邱兵,
申请(专利权)人:苏州山河光电科技有限公司,
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。