公开(公告)号：CN111767678A

公开(公告)日：2020-10-13

申请号：CN202010642286.9

申请日：2020-07-06

Applicant: 桂林电子科技大学

Inventor： 黄巍 ,  魏子茗 ,  银珊 ,  张文涛 ,  曾启林 ,  熊显名 ,  董尔翔 ,  张玉婷 ,  张丽娟

IPC: G06F30/27 ,  H01Q15/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供的是一种基于深度学习神经网络的超材料电磁感应透明器件结构的按需设计方法。其特征是：深度学习神经网络全部由全连接层构成，其数据驱动的方法可以表示和泛化复杂的函数或数据，从而发现大量变量之间的未知关系。解决了利用传统数值算法来设计超材料电磁感应透明器件结构过程中的求解麦克斯韦方程组在极其复杂的边界条件下高度非线性求解问题的耗时与可行性问题。本发明可用于根据光谱反向按需设计电磁感应透明器件结构，可广泛用于慢光效应、非线性光学、光学传感和光学存储等方面。