摘要
本发明涉及深度学习技术领域,尤其涉及一种多模型联合的元表面设计方法、系统及介质。所述方法包括以下步骤:确定用户输入的元表面设计数据的数据类型;若所述数据类型为S参数频谱数据,将所述元表面设计数据输入至所述U‑WGAN逆向设计模型进行特征提取,得到所述元表面设计数据对应的元表面结构;确定所述元表面结构是否为高保真元表面结构图案;若是,将所述元表面结构输入至所述VAE生成模型中进行降维操作,得到降维图案数据;将所述降维图案数据输入至所述LSTM+Attention预测模型进行S参数频谱图预测,得到预测S参数频谱图。旨在解决如何降低传统基于深度学习进行超表面设计的算力开销的问题。
技术关键词
表面设计方法
多模型
图案
设计系统
参数
数据
WGAN模型
深度学习技术
可读存储介质
分支
处理器
介质基板
程序
超表面
存储器
解码器
计算机
中间层
导电
代表
系统为您推荐了相关专利信息
协同优化调度方法
市场动态
资源
混合整数规划模型
储能
饮食推荐方法
营养素
食物数据库
遗传算法
染色体
光伏功率预测方法
梯度提升模型
随机森林模型
气象
粒子
旋翼型无人机
自组网通信
网络连接表
防撞系统
航迹数据
超声波换能器
三维温度场
超声波飞行时间
多声道
超声波发射模块