一种基于迁移学习的复合功能超表面逆向设计方法

本发明提供一种基于迁移学习的复合功能超表面逆向设计方法，涉及超材料设计与优化领域，解决复杂结构的超表面传统设计方法效率低下的问题。包括：生成包含多种超表面结构参数及对应光谱响应的数据集；搭建以单元结构参数为输入、光谱响应为输出的深度预测神经网络；训练完成后的网络结合遗传粒子群优化算法，以提前确定的超表面相位分布和透射率等要求为目标函数，多次迭代寻找最优参数；通过参数微调的方法迁移源域网络模型在大规模数据集上学习的通用特征，应用在新的小数据集目标域中，重复前面的过程直至确定所有参数，完成设计。本发明能够在提升复杂超表面设计效率、保证神经网络性能的同时，降低深度学习方法对数据集体量的需求，提升模型的鲁棒性，为超表面逆设计提供一种低成本的实用方案。