摘要
本发明的一种基于深度学习的微纳结构滤光片反向设计方法,包括以下步骤:数据预处理与数据集构建;搭建基于深度学习的反向设计网络模型;联合训练反向设计网络,得到高性能的模型;从目标透射光谱中推导出滤光片的结构信息,实现微纳结构滤光片的反向设计。本发明的一种基于深度学习的微纳结构滤光片反向设计方法,结合结构类型分类与结构参数回归,支持多种微纳结构的批量化处理,解决了现有方法仅针对单一结构类型(如超表面光栅或挖孔结构)的局限性,提高了反向设计的通用性和适用范围。
技术关键词
滤光片结构
反向设计方法
分类网络
前馈神经网络
数据
加权特征
微纳结构
注意力机制
退火策略
微纳光栅结构
样本
融合深层特征
法布里珀罗腔
结构尺寸参数
标签
多阶段
系统为您推荐了相关专利信息
模式识别模型
GAN网络模型
雷达工作模式
随机噪声
机载相控阵雷达
神经网络模型
整流模块
中频信号
微波
数据存储系统
在线监测方法
在线监测模型
神经网络模型
模型误差
栅极
车牌检测识别方法
识别模块
置信度阈值
算法模型
网格