基于机器学习的频率选择表面微波吸收器逆设计方法

本发明公开了一种基于机器学习的频率选择表面微波吸收器逆设计方法，包括：构建包括第一广角阻抗匹配层、第二广角阻抗匹配层、电阻方环层和金属底板层的吸收器结构，吸收器结构信息包括平面拓扑变量和离散数值变量；构建包括输入数据集和输出数据集的训练数据集；使用所述训练数据集对神经网络模型进行训练，获得训练好的神经网络模型；针对电磁响应目标，基于训练好的神经网络模型得到吸收器的平面拓扑变量和离散数值变量，实现逆向设计。本发明通过拓扑建模和离散变量组合来设计吸收器，提供了更多的自由度和更高的效率，使用神经网络模型完成设计，实现了吸波器设计的复用性，且绝对带宽显著提高，斜入射下TE和TM极化均能保持较宽的相对带宽。