公开(公告)号：CN119167457A

公开(公告)日：2024-12-20

申请号：CN202411239507.2

申请日：2024-09-05

Applicant: 中国计量大学

Inventor： 井绪峰 ,  辛昊烜 ,  金永兴 ,  田颖

IPC: G06F30/10 ,  G06F30/27 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一个用于反射式金属超表面单元逆向设计的深度学习模型，包括基于VGG的超表面光谱预测网络模型和基于C‑DCGAN的超表面单元逆向设计网络模型，并利用模型逆向设计的单比特编码超表面实现了7GHz频率下的超表面全息成像实验。训练完成后的预测器网络模型可根据输入的超表面单元图案精准预测其在4GHz–7GHZ频段的反射光谱，对反射光谱实部与虚部预测结果的均方误差可达到0.002以下。基于C–DCGAN设计的超表面单元逆向设计模型可根据输入的反射光谱输出对应的超表面单元图案，逆向设计出的超表面单元的反射光谱与给定光谱拟合程度很高。在实验中，我们利用网络模型逆向设计出用于全息成像的单比特编码超表面，并在搭建的超表面全息成像实验平台上完成了7GHz下的单比特编码超表面全息成像实验。我们提出的用于反射式金属超表面单元逆向设计的深度学习模型可为超表面设计过程省去繁复的仿真计算过程，这项工作可用于各类有反射式金属超表面单元自动设计需求的应用。