基于深度学习的全介质超表面目标光谱响应逆向设计方法

本发明属于全介质超材料光学器件与机器学习技术领域，公开了一种基于深度学习的全介质超表面目标光谱响应逆向设计方法，通过将三维结构参数化为双通道二维图像，利用卷积神经网络‑递归神经网络‑残差网络架构实现透射光谱的高效预测。设计适应度函数，针对单峰、多峰目标波长优化，结合线形、形状优化策略生成可加工结构。该方法突破传统逆向设计的光谱依赖与结构类型固定的局限，实现按需设计，显著提升集成光子器件设计效率与加工兼容性。