[发明专利]一种基于神经伴随算法的超表面吸波器设计方法及系统

说明书

本发明公开了一种基于神经伴随算法的超表面吸波器设计方法及系统，包括以下步骤：随机生成超表面吸波器的结构参数，通过电磁仿真模拟计算得到相应的频谱响应，构建正向预测数据集；正向预测数据集中划分出训练集，搭建正向神经网络模型，使用训练集对正向神经网络模型进行训练；以训练好的正向神经网络模型为基础，利用伴随算法构建逆设计流程，将目标频谱响应输入逆设计流程进行迭代计算，确定超表面吸波器的结构参数。本发明采用伴随算法结合神经网络求导计算的优势，实现训练一个正向神经网络模型同时完成正向和逆向两种预测目标。

技术领域

本发明属于微波超构表面吸波器领域，涉及一种基于神经伴随算法的超表面吸波器设计方法及系统。

背景技术

传统的吸波结构往往受限于四分之一波长的最薄工作厚度，要使其厚度变薄的情况下还能满足高效吸收的阻抗匹配条件，需要通过材料掺杂的方式增大其等效介电常数与等效磁导率。在过去的几十年中，纳米加工的进步为研究人员提供了观察和操控亚波长单元结构材料中电磁波与物质相互作用的机会。

电磁超材料(Electromagnetic metamaterial)是人工制造的周期性排列性谐振结构，其单元尺寸(P)远小于电磁波长(λ)。当Pλ时，电磁超材料表现为具有等效介电常数和等效磁导率的均匀介质。材料对外加电场的响应由材料的本构参数(介电常数和磁导率)决定。通过适当的设计，电磁超材料的等效介电常数和等效磁导率可以同时趋于零(零折射率材料)，也可同为负值。因其具备自然界中不存在的材料本构参数可以实现迷人的电磁特性，如负折射、非对称传输和隐身等。具有亚波长厚度的二维形态超材料被称为超表面，超表面吸收器件能够显著增强光与物质的相互作用，且由于超表面结构的自由设计特性可以同时满足宽波段频率范围的高效吸收。所以基于超表面的吸收器能够同时具有薄、轻、宽、强等特点，更能满足实际产品需要。

一直以来，超表面吸波结构研究的核心挑战是理解内在材料特性如何与亚波长尺度结构最佳地结合，以实现目标功能。结构简单的超表面吸波体利用亚波长结构和材料的固有色散，可以精确的设计所需的频谱特性。由于材料和结构设计上的复杂性提升，设计出满足性能要求日益增长的吸波结构变得愈发困难，其难点在于大量的参数数量和隐藏在参数背后的单元结构复杂耦合关系，因此如何实现一种高效的超表面吸波器结构设计方法显得至关重要。

发明内容

本发明的目的在于解决现有技术中的问题，提供一种基于神经伴随算法的超表面吸波器设计方法及系统，设计过程快速且能获得多组备选结构。

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于神经伴随算法的超表面吸波器设计方法，包括以下步骤：

随机生成超表面吸波器的结构参数，通过电磁仿真模拟计算得到相应的频谱响应，构建正向预测数据集；

从正向预测数据集中划分出训练集，搭建正向神经网络模型，使用训练集对正向神经网络模型进行训练；

以训练好的正向神经网络模型为基础，利用伴随算法构建逆设计流程，将目标频谱响应输入逆设计流程进行迭代计算，确定超表面吸波器的结构参数。

进一步的，所述正向预测数据集包括超表面吸波器的结构参数和相应的频谱响应。

进一步的，所述构建正向预测数据集的过程为：

随机产生结构参数G，在电磁仿真软件中对其模拟计算得到相应的S₁₁频谱，S₁₁频谱与吸收频谱A之间存在以下对应关系：

A＝1-R＝1-|S₁₁|²

将结构参数G作为输入，吸收频谱A作为输出构建正向预测数据集。

进一步的，所述S₁₁频谱的频率范围为1～21GHz，采样间隔为0.001GHz。