[发明专利]一种用于设计高性能闪耀光栅结构的预测网络的构建方法

权利要求书

1.一种用于设计高性能闪耀光栅结构的预测网络的构建方法，其特征在于，包括如下步骤：

1)利用时域有限差分法计算出768个不同刻蚀参数的闪耀光栅远场模式；

2)在所述闪耀光栅远场模式的中间切割51×200像素，展开为10200维的原始数据；

3)将所述原始数据作为输入向量y_i放入一个自动编码器中，经过1000次迭代训练，使得输出向量无限接近输入向量y_i，获得最终隐向量z和训练后的解码器；

4)将光栅的结构参数α、l、d、w₀、w₁、w₂、w₃以及入射光波长λ共8个参数作为输入向量放入一个前馈神经网络中，以3)中得到对应相同远场模式的最终隐向量z作为目标，进行1000次迭代训练，使输出向量y无限接近最终隐向量z，获得训练后的神经网络；

5)将3)中训练后的解码器连接到4)中训练后的神经网络之后，形成的新的神经网络即为最终的预测网络。

2.如权利要求1所述的用于设计高性能闪耀光栅结构的预测网络的构建方法，其特征在于，所述自动编码器由编码器和初始解码器两部分组成；所述编码器用于对输入向量y_i进行编码得到100维的隐向量z，所述初始解码器用于对隐向量z重构成输出向量使输出向量无限接近输入向量y_i即得最终隐向量z。

3.如权利要求1所述的用于设计高性能闪耀光栅结构的预测网络的构建方法，其特征在于，所述自动编码器中训练过程中的损失函数表达式为：

其中，m表示向量维度，上述公式中的MSE无限接近0。

4.如权利要求1所述的用于设计高性能闪耀光栅结构的预测网络的构建方法，其特征在于，所述自动编码器和前馈神经网络中均固定有一个输入层、一个输出层和数个隐藏层；每一层均由最小单位神经元组成；所述神经元的参数为：输入向量x＝{x₁，x₂，...，x_n}，权重向量a＝{a₁，a₂，...，a_n}，偏置量b，输出值y，激活函数σ(y)，表达式如下：

其中e为自然常数。

5.如权利要求4所述的用于设计高性能闪耀光栅结构的预测网络的构建方法，其特征在于，所述自动编码器的输入层的神经元数量为10200；输出层的神经元数量为10200；隐藏层的数量为5层，每一层的神经元数量分别为2000，2000，1000，2000，2000。

6.如权利要求4所述的用于设计高性能闪耀光栅结构的预测网络的构建方法，其特征在于，所述前馈神经网络的输入层的神经元数量为8；输出层的神经元数量为1000；隐藏层数量为3层，每一层的神经元数量分别为100，100，100。

7.如权利要求6所述的用于设计高性能闪耀光栅结构的预测网络的构建方法，其特征在于，所述前馈神经网络训练过程中使用梯度下降算法，依据损失函数L的梯度更新每一层的参数θ，损失函数及参数θ的公式为：

其中，上角标n表示前馈神经网络的最后一层，即第n层，上角标i表示前馈神经网络的第i层，学习速率η的值为0.01。