一种基于神经网络引导的吸波材料设计方法

本发明公开了一种基于神经网络引导的吸波材料设计方法，属于智能材料设计领域。选取磁性材料实测磁导率频散数据作为边界条件，构建包含磁导率、介电常数、材料厚度及频率的参数空间，通过传输线模型计算反射损耗RL值；采用GPU加速张量运算生成三维参数空间，并对参数空间离散化处理；实施双任务筛选策略提取最优介电常数组合及有效区域边界；构建具备物理约束的神经网络模型，输入厚度和频率预测介电常数参数；通过反演验证生成解集分布指导材料设计。融合物理模型与深度学习，采用爱因斯坦求和法及广播机制实现亿级参数并行计算，解决了多参数耦合优化难题，通过softplus激活函数确保输出参数物理合理性，显著提升磁性吸波材料设计效率与精度。