公开(公告)号：CN119962386A

公开(公告)日：2025-05-09

申请号：CN202510068342.5

申请日：2025-01-16

Applicant: 北京大学

Inventor： 李焱 ,  何雨卿 ,  龚旗煌

IPC: G06F30/27 ,  G06F30/10 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/096 ,  G06N3/0895

Abstract: 本发明公开了一种基于深度迁移学习的多维度复用全息超表面快速设计方法。本发明利用深度学习实现自监督式的训练‑测试架构，从而发挥人工智能的动态学习能力，训练后无需再进行耗时的迭代流程而是直接根据确定的网络权重重建超表面结构参数，对用于多维度复用全息图的超表面设计，极大提升了设计效率；在超表面结构参数重建过程中引入残差卷积和空洞金字塔池化操作来增强编码性能，提升了超表面全息图的设计效果；通过引入多波长双偏振深度神经子网络，克服了现有深度学习超表面设计方法仅限于单色图像的缺点；在网络中预先引入超表面结构的线宽扰动来模拟误差，能够缓解因工艺精度问题所带来的影响，表现出更强的鲁棒性。