一种用于超表面电磁特性估算的多保真度深度学习模型构建方法、介质、设备及应用

本发明属于电子信息技术领域，公开了一种用于超表面电磁特性估算的多保真度深度学习模型构建方法、介质、设备及应用，将待估计的超表面的结构参数向量所在的参数空间分成多个子集，使得各个子集对应的参数空间依次邻接但不重叠，对每个子集依次赋予从1开始的正整数索引值；在每个子集中，使用有限元法计算结构参数向量对应的高保真度电磁响应，并将结构参数向量视为输入，将高保真度电磁响应视为输出，配对形成第一类训练样本集；在每个子集中，构造一个伴随全连接深度学习模型和一个多保真度深度学习模型，并使用第一类训练样本集训练伴随全连接深度学习模型；对每一个索引不为1的子集，将该子集对应的第一类训练样本集中的结构参数向量作为前一个子集中的伴随全连接深度学习模型的输入，将前一个子集中的伴随全连接深度学习模型的输出视为当前子集的低保真度电磁响应，将当前子集中的结构参数向量、低保真度电磁响应视为输入，将高保真度电磁响应视为输出，配对形成第二类训练样本集；在每一个索引不为1的子集中，使用第二类训练样本集训练多保真度深度学习模型；本发明得到的多保真度深度学习模型能够准确估算超表面的电磁特性，并且为了达到相同的估算准确性性能指标，相比于仅使用高保真度训练样本的普通深度学习模型，所述多保真度深度学习模能够减少30％使用有限元法计算高保真度电磁响应的计算量。