公开(公告)号：CN111639465A

公开(公告)日：2020-09-08

申请号：CN202010497302.X

申请日：2020-06-04

Applicant: 南京工程学院

Inventor： 赵静 ,  冯琤 ,  郭婧 ,  张健 ,  覃翠 ,  余辉龙 ,  何睿清 ,  魏峘 ,  孙啸林 ,  王可依

IPC: G06F30/27 ,  G06N3/08

Abstract: 一种基于深度学习的AlGaAs光电阴极结构设计方法，涉及光电子探测材料、深度学习的技术领域。本发明包括如下步骤：构建多层结构的AlGaAs光电阴极结构；结合构建的AlGaAs光电阴极结构，建立一个训练数据集；将训练数据集输入到训练神经网络；对训练后的神经网络进行测试，得到AlGaAs光电阴极结构设计。本发明利用深度学习理论，自动训练出符合要求的AlGaAs光电阴极结构，极大地减小设计的时间成本和实验成本，获得高效、有效的结果。能快速实现AlGaAs光电阴极按需结构设计，如夜天空下微光像增强器、海洋光电子探测器件、真空电子源、太阳能电池等不同光谱响应要求的领域。

公开(公告)号：CN111639465B

公开(公告)日：2024-03-05

申请号：CN202010497302.X

申请日：2020-06-04

Applicant: 南京工程学院

Inventor： 赵静 ,  冯琤 ,  郭婧 ,  张健 ,  覃翠 ,  余辉龙 ,  何睿清 ,  魏峘 ,  孙啸林 ,  王可依

IPC: G06F30/27 ,  G06N3/08

Abstract: 一种基于深度学习的AlGaAs光电阴极结构设计方法，涉及光电子探测材料、深度学习的技术领域。本发明包括如下步骤：构建多层结构的AlGaAs光电阴极结构；结合构建的AlGaAs光电阴极结构，建立一个训练数据集；将训练数据集输入到训练神经网络；对训练后的神经网络进行测试，得到AlGaAs光电阴极结构设计。本发明利用深度学习理论，自动训练出符合要求的AlGaAs光电阴极结构，极大地减小设计的时间成本和实验成本，获得高效、有效的结果。能快速实现AlGaAs光电阴极按需结构设计，如夜天空下微光像增强器、海洋光电子探测器件、真空电子源、太阳能电池等不同光谱响应要求的领域。