基于神經網絡的電磁超材料設計方法、裝置、介質及設備制造方法及圖紙

本申請涉及基于神經網絡的電磁超材料設計方法、裝置、介質及設備，其中方法包括：獲取電磁超材料的表面導電圖形的矢量圖，所述矢量圖為根據電磁超材料的表面導電圖形的幾何特性繪制的圖形；采用所述矢量圖提取所述表面導電圖形所需要的特征參數；基于所述特征參數，對神經網絡進行訓練，得到訓練完成的神經網絡；基于所述訓練完成的神經網絡，對電磁超材料的目標效能對應的目標特征參數進行預測，得到預測結果；基于所述預測結果，對電磁超材料進行設計。從而使得能簡潔快速獲得目標效能的三明治結構電磁超材料。三明治結構電磁超材料。三明治結構電磁超材料。

【技術實現步驟摘要】
基于神經網絡的電磁超材料設計方法、裝置、介質及設備


[0001]本申請涉及電磁超材料
，具體涉及一種基于神經網絡的電磁超材料設計方法、裝置、介質及設備。

技術介紹

[0002]天然材料的微觀結構是由原子或分子組成，而電磁超材料是由周期排布的表面微結構組成。通過不斷優化和改進微結構，可以使超材料在宏觀上表現出不同的奇異電磁現象，并應用于不同的領域。正是由于其豐富的電磁特性，在不同的場合電磁超材料也被稱為人工電磁材料或媒質、左手材料、光子晶體、超表面、超構材料等。電磁超材料能夠對電磁波的傳播模式、極化和波前等進行有效的調控，目前已經廣泛應用于吸波器、電磁屏蔽、極化轉換器等設計應用。電磁超材料結構一般采用典型的三明治結構，包括表面導電圖形、中間介質層與底層導電地板層，其中主要的設計參數在于表面導電圖形的各種幾何參數，再加上介質層的兩個參數，即介電常數和厚度。
[0003]相關技術中傳統的電磁超材料設計過程通常包括模型設計、參數掃描和優化等，需要進行大量電磁仿真，目前對于電磁超材料結構的設計參數描述主要是人工憑借經驗手動提取表面導電圖形結構的特征參數進行描述，接著根據特征參數訓練神經網絡，利用神經網絡得出電磁超材料目標效能對應的特征參數，從而使得人員根據目標效能對應的特征參數設計出需要的電磁超材料。
[0004]針對上述中的相關技術，專利技術人認為存在有以下缺陷：手動提取特征參數，沒有統一的標準，普適性較低，提取速度慢，無法簡潔快速的設計出具備目標效能的三明治結構電磁超材料。

技術實現思路
/>[0005]為了簡潔快速的設計出具備目標效能的三明治結構電磁超材料，本申請提供一種基于神經網絡的電磁超材料設計方法、裝置、存儲介質及電子設備。
[0006]在本申請的第一方面提供了一種基于神經網絡的電磁超材料設計方法，具體包括：獲取電磁超材料的表面導電圖形的矢量圖，所述矢量圖為根據電磁超材料的表面導電圖形的幾何特性繪制的圖形；采用所述矢量圖提取所述表面導電圖形所需要的特征參數；基于所述特征參數，對神經網絡進行訓練得到訓練完成的神經網絡；基于所述訓練完成的神經網絡，對電磁超材料的目標效能對應的目標特征參數進行預測，得到預測結果；基于所述預測結果，對電磁超材料進行設計。
[0007]通過采用上述技術方案，從獲取到的矢量圖中提取表面導電圖形所需要的特征參數，這種提取方式普適性較好，提取較為方便，而且以計算機語言的方式描述電磁超材料的
表面結構有利于訓練神經網絡。接著將提取的特征參數用來對神經網絡進行訓練，神經網絡經過足夠多數據的訓練后，使得神經網絡對電磁超材料目標效能對應的目標特征參數的預測準確性較高。最后神經網絡訓練完成后，基于訓練完成的神經網絡得到預測結果，根據預測結果從而使得能簡潔快速的設計出具有目標效能的三明治結構電磁超材料。
[0008]可選的，所述采用所述矢量圖提取所述表面導電圖形所需要的特征參數，包括：采用預設的存儲格式對所述矢量圖進行存儲，得到所述矢量圖對應的矢量圖文件；基于所述存儲格式從所述矢量圖文件中提取所述表面導電圖形所需要的特征參數。
[0009]通過采用上述技術方案，將獲得的矢量圖以預設的存儲格式進行存儲，得到矢量圖文件。存儲格式為EPS格式、PDF格式和SVG格式其中一種。利用確定的存儲格式對應的格式源碼從矢量圖文件中提取表面導電圖形所需要的特征參數。此提取特征參數的方式普適性較高，而且實施起來較為簡單，從而提高得超材料的設計效果覆蓋范圍，進而能較好的獲取目標效能的三明治結構電磁超材料。
[0010]可選的，所述采用所述矢量圖提取所述表面導電圖形所需要的特征參數之后，還包括：獲取電磁超材料的中間介質層的厚度和介電常數；將所述厚度與所述介電常數添加至所述特征參數中。
[0011]通過采用上述技術方案，從矢量圖文件中提取到特征參數后，并不是直接用此特征參數直接訓練神經網絡，還需要從電磁超材料的中間介質層中獲取對應的厚度和介電常數，將厚度和介電常數作為新特征參數添加到原來的特征參數中，從而使得特征參數覆蓋的維度較全，進而提升對神經網絡的訓練效果。
[0012]可選的，所述基于所述特征參數，對神經網絡進行訓練，得到訓練完成的神經網絡，包括：基于所述特征參數生成對應的特征參數組，并所述特征參數組輸入到預置的仿真軟件，得到仿真數據集，所述特征參數組包括至少一組；將所述仿真數據集按照預設的劃分比例進行劃分，得到訓練集和驗證集；采用所述訓練集與所述驗證集對神經網絡進行訓練，得到訓練完成的神經網絡。
[0013]通過采用上述技術方案，利用算法根據特征參數隨時生成對應的特征參數組，將特征參數組輸入到預置的仿真軟件中，仿真軟件輸出得到特征參數對應的仿真數據集，接著采用多折交叉訓練驗證的方法，將仿真數據集按照劃分比例劃分為訓練集和驗證集，最后利用訓練集對神經網絡進行訓練，利用驗證集對神經網絡進行訓練驗證，得到訓練完成的神經網絡，從而提高神經網絡的預測能力。
[0014]可選的，所述基于所述特征參數，對所述神經網絡進行訓練，得到訓練完成的神經網絡，還包括：基于所述特征參數，對所述神經網絡進行訓練，得到神經網絡訓練的輸出值；將所述輸出值與預設的目標閾值進行對比，所述目標閾值為電磁超材料在目標頻段內各個頻點的效能對應的最低目標值；若所述輸出值高于所述目標閾值，則繼續下一次訓練直至得到訓練完成的神經網
絡。
[0015]通過采用上述技術方案，在基于特征參數對神經網絡進行訓練過程中，將每次神經網絡訓練的輸出值與目標閾值進行對比，如果神經網絡的輸出值比目標閾值高，說明此次訓練結果較好，能夠匹配上目標效能，那么繼續進行下一次訓練，從而使得較好的得到目標效能對應的目標電磁超材料結構。
[0016]可選的，所述將所述輸出值與預設的目標閾值進行對比，所述目標閾值為電磁超材料在目標頻段內各個頻點的效能對應的最低目標值之后，還包括：若所述輸出值不高于所述目標閾值，則計算所述輸出值與目標閾值的偏差值；將所述偏差值的平方乘以預設系數，得到所述輸出值偏離所述目標閾值的誤差量；基于所述誤差量來計算神經網絡的損失值。
[0017]通過采用上述技術方案，如果神經網絡訓練的輸出值不高于目標閾值，說明此次訓練結果較差，那么將輸出值與目標閾值作差，得到偏差值，接著將偏差值的平方乘以預設系數，得到誤差量，實現對此次訓練損失的量化，從而使得對此頻率下訓練預測值的準確度進行有效判定。誤差量越大，說明預測的準確度較差；誤差量越小，說明預測的準確度較好。
[0018]可選的，所述仿真軟件為CST全波仿真軟件。
[0019]通過采用上述技術方案，采用CST全波仿真軟件能對超材料的表面結構進行仿真。適合用來計算電磁超材料結構。根據傅里葉變換的原理可知，帶寬越大，脈沖就越窄，反應在時域算法上就是，計算時間越短，所以采用CST設計超材料結構的電磁效能。
[0020]在本申請的第二方面提供了一種基于神經網絡的電磁超材料設計裝置，具體包括：矢量圖獲取模塊，用于獲取電磁本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于神經網絡的電磁超材料設計方法，其特征在于，包括：獲取電磁超材料的表面導電圖形的矢量圖，所述矢量圖為根據電磁超材料的表面導電圖形的幾何特性繪制的圖形；采用所述矢量圖提取所述表面導電圖形所需要的特征參數；基于所述特征參數，對所述神經網絡進行訓練，得到訓練完成的神經網絡；基于所述訓練完成的神經網絡，對電磁超材料的目標效能對應的目標特征參數進行預測，得到預測結果；基于所述預測結果，對電磁超材料進行設計。2.根據權利要求1所述的基于神經網絡的電磁超材料設計方法，其特征在于，所述采用所述矢量圖提取所述表面導電圖形所需要的特征參數，包括：采用預設的存儲格式對所述矢量圖進行存儲，得到所述矢量圖對應的矢量圖文件；基于所述存儲格式從所述矢量圖文件中提取所述表面導電圖形所需要的特征參數。3.根據權利要求1所述的基于神經網絡的電磁超材料設計方法，其特征在于，所述采用所述矢量圖提取所述表面導電圖形所需要的特征參數之后，還包括：獲取電磁超材料的中間介質層的厚度和介電常數；將所述厚度與所述介電常數添加至所述特征參數中。4.根據權利要求1所述的基于神經網絡的電磁超材料設計方法，其特征在于，所述基于所述特征參數，對所述神經網絡進行訓練，得到訓練完成的神經網絡，包括：生成所述特征參數對應的特征參數組，并將所述特征參數組輸入到預置的仿真軟件，得到仿真數據集，所述特征參數組包括至少一組；將所述仿真數據集按照預設的劃分比例進行劃分，得到訓練集和驗證集；采用所述訓練集與所述驗證集對所述神經網絡進行訓練，得到訓練完成的神經網絡。5.根據權利要求1所述的基于神經網絡的電磁超材料設計方法，其特征在于，所述基于所述特征參數，對所述神經網絡進行訓練，得到訓練完成的神經網絡，包括：基于所述特征參數，對所述神經網絡進行訓練，得到神經網絡訓練的輸出值；將所述輸出值與預設的目標閾值進行...

【專利技術屬性】
技術研發人員：付健，
申請(專利權)人：南京微毫科技有限公司，
類型：發明
國別省市：