摘要
本发明涉及一种基于混合概率采样网络的纳米光子学结构设计方法及系统,属于纳米光子学结构设计技术领域,包括:构造训练用数据集;所述数据集包括多种纳米光学结构的结构参数和对应的光学性质参数;训练正向预训练网络;利用训练用数据集中的结构参数,预测出一一对应的光学性质参数;训练逆向网络;输入训练用数据集中的光学性质参数,输出多个混合高斯分布;利用采样网络对所述混合高斯分布进行采样,得到多个候选的结构参数;对于候选的结构参数利用正向预训练网络预测对应的光学性质参数,选择与目标光学性质参数误差最小的结构参数作为最终的纳米光子学结构。本发明实现了复杂解空间下精准、高效的结构逆向设计。
技术关键词
预训练网络
结构设计方法
参数
光学结构
反射光谱数据
纳米
深度学习框架
电磁仿真
代表
误差
网络模块
结构设计技术
优化器
生成结构
输入结构
样本
算法
系统为您推荐了相关专利信息
图像编码器
物体
交叉注意力机制
图像特征信息
点云特征
卷积加速器
卷积神经网络加速器
卷积神经网络模型
量化卷积神经网络
乘法器
仿真程序
仿真验证方法
对象
后处理模块
计算机设备