-
公开(公告)号：CN112287594B
公开(公告)日：2024-04-16
申请号：CN201910623868.X
申请日：2019-07-11
Applicant: 北京大学
IPC: G06F30/27 , G06F30/23 , G06N3/0464 , G06N3/0985 , G06F111/10 , G06F111/14
Abstract: 本发明公开了一种用于纳米光子学器件的神经网络自学习系统及其运用，首次利用贝叶斯优化和深度神经网络来分析、研究及优化纳米光子学器件光学性质。本发明的神经网络自学习系统同时利用了神经网络的强数据表征能力和贝叶斯优化的高效数据采样属性，实现了深度神经网络的自学习功能，使得对光子学系统的分析计算具有较强的系统鲁棒性和一定的智能性，避免了传统优化算法对数据拟合能力不足的缺陷，增加了对光学系统全局优化的能力，为纳米光子学器件的分析和设计提供了新的思路。
-
公开(公告)号：CN114662315B
公开(公告)日：2024-10-18
申请号：CN202210299156.9
申请日：2022-03-25
Applicant: 北京大学
IPC: G06F30/20
Abstract: 本发明公开了一种纳米光子学器件的设计和/或优化方法，通过自编码器这一无监督学习算法打开纳米光子学器件结构的设计自由度，对具有高自由度的结构形貌与光学近场分布数据进行特征分析，并将有效特征编码到低维潜空间；然后按照其设计或优化需求在潜空间利用贝叶斯概率模型对器件特征进行优化设计；最终利用自编码器的解码器将优化的特征从特征潜空间中解码得到器件结构参数，实现纳米光子学器件的智能优化与开发设计。本发明方法具有自由度高、鲁棒性强、适用范围广、计算速度快等优点，对于复杂多功能光学器件设计或突破纳米光子学器件的现有性能指标具有重要的指导意义。
-
公开(公告)号：CN114662315A
公开(公告)日：2022-06-24
申请号：CN202210299156.9
申请日：2022-03-25
Applicant: 北京大学
IPC: G06F30/20
Abstract: 本发明公开了一种纳米光子学器件的设计和/或优化方法，通过自编码器这一无监督学习算法打开纳米光子学器件结构的设计自由度，对具有高自由度的结构形貌与光学近场分布数据进行特征分析，并将有效特征编码到低维潜空间；然后按照其设计或优化需求在潜空间利用贝叶斯概率模型对器件特征进行优化设计；最终利用自编码器的解码器将优化的特征从特征潜空间中解码得到器件结构参数，实现纳米光子学器件的智能优化与开发设计。本发明方法具有自由度高、鲁棒性强、适用范围广、计算速度快等优点，对于复杂多功能光学器件设计或突破纳米光子学器件的现有性能指标具有重要的指导意义。
-
公开(公告)号：CN112287594A
公开(公告)日：2021-01-29
申请号：CN201910623868.X
申请日：2019-07-11
Applicant: 北京大学
Abstract: 本发明公开了一种用于纳米光子学器件的神经网络自学习系统及其运用，首次利用贝叶斯优化和深度神经网络来分析、研究及优化纳米光子学器件光学性质。本发明的神经网络自学习系统同时利用了神经网络的强数据表征能力和贝叶斯优化的高效数据采样属性，实现了深度神经网络的自学习功能，使得对光子学系统的分析计算具有较强的系统鲁棒性和一定的智能性，避免了传统优化算法对数据拟合能力不足的缺陷，增加了对光学系统全局优化的能力，为纳米光子学器件的分析和设计提供了新的思路。
-
-
-
Search Results
4
records
(took 0.018 seconds)
