一种基于双神经网络的知识驱动型智能超表面单元快速设计方法

本发明公开了一种基于双神经网络的知识驱动型智能超表面单元快速设计方法。针对传统智能超表面单元设计过程中依赖大量电磁仿真、计算复杂、效率低下的问题，提出了一种结合物理知识指导的双人工神经网络(ANN)代理模型优化框架。首先分别训练两个神经网络模型，用以预测调谐元件不同极端工作状态下超表面单元的幅度和相位响应。随后，依据调谐元件参数变化对电磁响应单调变化的物理先验知识，快速准确推断任意几何参数组合下的最大反射损耗和相位差，从而实现代理模型辅助的双目标优化设计。通过本发明的方法，可大幅提高超表面单元设计效率和性能，显著减少对传统全波电磁仿真的依赖，仿真与实验结果验证了本发明方法的有效性和优越性。