[发明专利]基于异步强化学习的非对称光偏振器件结构及其设计方法

说明书

本发明属于偏振器件设计技术领域，公开了一种基于异步强化学习的非对称光偏振器件结构及其设计方法，仿真数据集预处理，透射率预测网络搭建和初始化；透射率预测网络训练，异步强化学习算法优化非对称偏振转换器件结构。本发明利用深度神经网络，通过透射率预测网络由结构数据准确的预测出透射率属性，并由异步强化学习算法高效省时的反向最优化设计非对称光偏振转换器件的结构。本发明基于残差结构的深度神经网络的透射率预测网络、异步强化学习算法，通过有效的降采样数据并进行合理的划分，使得透射率预测网络得到有效的训练并利用异步强化学习算法最优化设计非对称光偏振转换器件的结构，提高了设计的效率的同时也提高了器件的最大透射率。

技术领域

本发明属于偏振器件设计技术领域，尤其涉及一种基于异步强化学习的非对称光偏振器件结构及其设计方法。

背景技术

目前，偏振是电磁波的一种重要属性，其在成像，军事，导航，卫星通讯等方面具有广阔的研究价值。然而传统的偏振调控主要利用半波片和二色性晶体实现。其原理是通过电磁波在内部传播时，偏振方向互相垂直的光随着传播距离的增加其相位差的累积，从而导致偏振转换。但是，传统的方法所带来的效果不理想，如转换效率不高，带宽窄等缺点。

近几十年来，随着人工电磁结构(超材料)的迅猛发展，其日益所表现出独特的性质为解决传统材料带来的问题提供了一种新的方法。超材料是按照一定的组合方式对一种或多种亚波长单元在空间上进行重塑，这样可以实现在亚波长尺度内对电磁波进行任意控制。同时，可以实现自然媒质所不具备的特性，如负折射率特性、旋光性和逆多普勒效应等。

总的来说，一切由人工亚波长结构组成的光学系统都可以成为超材料。通常在具有偏振调控性能的超材料中包括两大热门分支即各向异性超材料(超表面)和手性超材料。其中，各向异性超材料(超表面)主要引入在两个正交方向不同的相位差，从而独立的控制不同方向偏振的响应。而手性超材料，由于在结构上不具有任何对称性，导致电磁波在结构内发生电磁耦合，从而可以实现对电磁波进行有效的调控。

传统偏振转换超表面结构设计方案当中，主要通过如图6所示的数值仿真工具以及人工调整两大循环过程来进行设计。对于设计的偏振转换超表面首先需要确定偏振转换超表面的结构类型(是各向异性结构，还是手形结构，又或者是手形结构与各向异性的结合)，结构的周期大小(决定偏振器件的工作波段)以及各层的材料。在确定好结构类型，材料以及周期大小之后，随意初始化每一个超表面结构参数(包括每层的厚度，介质层的折射率大小等参数)为合理的参数值，之后按照仿真工具(如Lumerical公司的FDTD软件)的要求，使用计算机语言建立数值仿真所需的数学模型。之后，按照每一个结构参数的先后顺序或是其他逻辑顺序从中选择一个结构参数进行作为等待调节参数层，其余的结构参数固定不变。利用数值仿真工具对当前的结构进行仿真，从而得出偏振转换超表面的交叉偏振透过率与同向偏振透过率。进而判断当前偏振转换超表面的性能是否最佳，如果不是最佳，接着通过专家的先验知识来指导应当如何调节当前待优化结构参数的值；如果是最佳，那么继续选择下一待调节结构参数进行调整。当所有结构参数均已被调节为最优，那么设计过程即为完成。

传统的偏振转换超表面结构设计的缺点主要体现在以下方面：

选取偏振转换超表面的结构类型、结构的周期大小以及各层的材料需要依赖于大量的前期实验的工程经验，同时需要专家的介入来判断各参数选取的合理性，这会浪费大量的人力物力。

每一次针对偏振转换超表面结构当中的一个结构参数进行调节之后都必须新建不同的仿真模型，这需要专业人员的介入，同时会耗费不必要的时间在理论模型的建立和微调上。

每次对偏振转换超表面的结构进行调整，不仅需要重新建立仿真模型，而且需要重新耗费大量的时间进行仿真计算和模型求解来得到偏振转换超表面的交叉偏振透过率T_yx与同向偏振透过率T_yy。