公开(公告)号：CN115099131B

公开(公告)日：2025-04-15

申请号：CN202210655381.1

申请日：2022-06-10

Applicant: 桂林电子科技大学

Inventor： 姜彦南 ,  古蔚琪 ,  王娇 ,  赵新程 ,  赵海鹏

IPC: G06F30/27 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于深度学习的极化转换超表面智能化逆向设计方法及系统，包括使用极化度角和类极化度角表征机制表征极化转换超表面，得到连续性表征；基于连续性表征构建数据集模型；基于所述数据集模型完成深度学习网络训练，并以此进行极化转换超表面逆向设计，从而得到超表面设计方案。本发明通过使用极化度角和类极化度角表征极化转换超表面实现极化转换超表面功能表征机制，解决了传统表征方式存在宽带相位差不连续以及轴比表征方式中表征变量存在无穷大的问题。

公开(公告)号：CN115099131A

公开(公告)日：2022-09-23

申请号：CN202210655381.1

申请日：2022-06-10

Applicant: 桂林电子科技大学

Inventor： 姜彦南 ,  古蔚琪 ,  王娇 ,  赵新程 ,  赵海鹏

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于深度学习的极化转换超表面智能化逆向设计方法及系统，包括使用极化度角和类极化度角表征机制表征极化转换超表面，得到连续性表征；基于连续性表征构建数据集模型；基于所述数据集模型完成深度学习网络训练，并以此进行极化转换超表面逆向设计，从而得到超表面设计方案。本发明通过使用极化度角和类极化度角表征极化转换超表面实现极化转换超表面功能表征机制，解决了传统表征方式存在宽带相位差不连续以及轴比表征方式中表征变量存在无穷大的问题。