[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

说明书

本案涉及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，其步骤为：利用时域有限差分法计算出目标闪耀光栅远场模式，在模式的中间切割一定像素作为训练数据，并放入一个由编码器和解码器两部分组成的自动编码器，经过数次迭代训练后，获得训练完成的隐向量和解码器；再将光栅结构参数和隐向量放入一个前馈神经网络中，经过数次迭代训练，训练完成后将之前得到的解码器接在该神经网络之后，即可作为最终的预测网络使用。本发明提出的预测网络模型在实际测试中有95％以上的精度，同时将闪耀光栅耦合器仿真速度缩小到毫秒量级，相比传统计算方法提高了数万倍，可以极大地提高相关设计的效率，因而具有广泛的应用价值和应用前景。

技术领域

本发明属于计算机辅助设计领域，具体涉及一种用于设计高性能闪耀光栅结构的神经网络。

背景技术

光栅耦合器是目前最受关注的耦合器件类型之一，已广泛应用于微电子电路，光网络和光电器件等领域。传统周期性光栅结构虽然已广泛应用于光子学设计中，在实际应用中依然存在较大的限制，例如在多缝衍射过程中，周期性光栅光强主要集中在零级，而多数情况下零级方向的衍射光并不能满足导模传输条件。闪耀光栅耦合器由两个或多个周期性非刻蚀部分模拟了阶梯状闪耀光栅，可以有效的克服传统周期性光栅结构遇到的诸多问题，具备在多个角度获得大光强的潜力。然而闪耀光栅耦合器设计需要经过困难的建模和电磁仿真过程，预测其远场结果时间消耗巨大。

针对闪耀光栅耦合器设计上的各种不足已经提出多种解决办法，例如利用时域有限差分法进行计算，利用机器学习方法等；然而很少有人注意到利用自动编码器训练神经网络也是提高光栅耦合器设计效率的重要途径。

发明内容

本发明的目的在于提供一种利用神经网络预测远场光谱、合成远场模式，并有效地预测与远场模式相对应的参数值，将电弧光栅耦合器的电磁模拟速度降低到毫秒数量级的预测网络。

为实现上述目的，本发明提供如下技术方案：

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，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。

在上述技术方案中，所述自动编码器由编码器(Encoder)和初始解码器(Decoder)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。在上述技术方案中，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。