一种基于深度卷积神经网络的超表面相互耦合效应优化方法

本发明公开一种基于深度卷积神经网络的超表面相互耦合效应的优化方法，包括以下步骤：步骤S1：计算放置在不同随机相邻原子之间的随机生成的元原子的实际相位和振幅响应来组装训练数据集；步骤S2：构建基于卷积神经网络架构的预测神经网络，以实现元原子在不同边界条件下局部响应的快速预测；步骤S3：通过反向调整隐藏神经层中的参数而最小化预测神经网络预测的局部响应与标签的均方误差；步骤S4：从优化光束偏转器开始将优化设计的性能与初始设计的性能进行比较，验证优化设计的有效性。可用于解释由相互耦合引起的超表面性能下降，并在与优化算法相结合后进一步用于优化其效率。还在光束偏转器和基于传统方法的超透镜的效率上取得了巨大的进步。