摘要
本发明公开了一种基于深度学习的反射超表面逆向设计方法,该方法利用生成对抗网络,通过结合条件生成对抗网络和具有梯度惩罚的瓦瑟斯坦生成对抗网络,根据给定的目标反射特性生成对应的超表面几何形状图像,并训练了基于卷积神经网络的正向网络预测超表面结构的反射特性,以此作为逆向设计结果的校验。本发明利用该方法设计了圆极化反射超表面,避免了耗时的电磁仿真计算,减少了计算资源的消耗,提高了设计效率。
技术关键词
逆向设计方法
超表面结构
反射超表面单元
条件生成对抗网络
生成对抗网络模型
介质基板
像素
处理器
电磁仿真
计算机程序产品
图像
批量
计算机设备
贴片
数据
可读存储介质
存储器
系统为您推荐了相关专利信息
生成对抗网络模型
数据生成方法
步态识别
步态特征
度量
生成对抗网络模型
场景生成方法
样本
评价器
天气
脑梗死患者
多模态特征
动态贝叶斯网络
评估系统
多模态数据采集
故障检测器
压缩感知网络
生成对抗网络模型
图像扩充方法
噪声数据
逆向设计方法
尖晶石材料
梯度提升机
描述符
权重分配机制