本發(fā)明涉及光學(xué)領(lǐng)域，尤其涉及一種用于反射式金屬超表面單元逆向設(shè)計的深度學(xué)習(xí)網(wǎng)絡(luò)模型。

背景技術(shù)：

0、技術(shù)背景

1、超材料是一種在材料參數(shù)控制方面有著出色能力的材料，在過去二十年里一直備受關(guān)注，并在各個領(lǐng)域都得到了充分的研究。早期，研究集中在對三維體結(jié)構(gòu)有效參數(shù)的控制上，但是三維異向介質(zhì)損耗較高且制作復(fù)雜，這顯然限制了其進一步的發(fā)展和應(yīng)用。因此，人們提出將超材料平面化，并逐漸形成了超表面的概念，作為一種二維平面電磁人工材料，超表面在不損失控制能力的前提下，具有易加工、低損耗、超低剖面等優(yōu)點。

2、全息成像是一種三維成像技術(shù)，該技術(shù)基于光的干涉原理，通過記錄成像目標(biāo)物體的光波信息來實現(xiàn)目標(biāo)物體影像重構(gòu)的目的。這種技術(shù)必須依靠一系列光學(xué)器件來實現(xiàn)成像功能，而超表面作為一種小型的、具有優(yōu)秀光波調(diào)控能力的結(jié)構(gòu)，在全息成像領(lǐng)域可以發(fā)揮很好的作用?；诔砻鎸崿F(xiàn)的全息成像具有小型化、集成化、制造簡單成本低等優(yōu)點，且近年來可調(diào)控的超表面迅速發(fā)展，可以實現(xiàn)更為豐富的全息成像功能。

3、在超表面研究進行的同時，人工智能技術(shù)(ai)也得到了飛速的發(fā)展，應(yīng)用在了眾多領(lǐng)域內(nèi)。ai技術(shù)通過各種機器學(xué)習(xí)和深度學(xué)習(xí)算法來讓機器模仿人類的行為以解決各種智能問題，其基本原理是讓計算機從收集的大量數(shù)據(jù)中進行學(xué)習(xí)直到作出正確決策。由于超表面研究中存在著大量仿真模擬工作，尤其是超表面設(shè)計過程中的建模仿真過程，耗時耗力，因此研究者們開始利用深度學(xué)習(xí)技術(shù)來實現(xiàn)超表面結(jié)構(gòu)和功能的設(shè)計研究從而減輕工作量，加速設(shè)計過程。通過機器學(xué)習(xí)算法或深度學(xué)習(xí)算法可以設(shè)計出滿足各類相位幅值要求的超表面，從而實現(xiàn)各種超表面應(yīng)用。

4、將深度學(xué)習(xí)方法與超表面全息成像技術(shù)相結(jié)合，可以利用深度學(xué)習(xí)模型省去繁復(fù)的仿真過程，實現(xiàn)超表面單元對應(yīng)光譜的預(yù)測以及超表面單元的逆向設(shè)計，可以大大減少研究人員的工作量。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種用于反射式金屬超表面單元逆向設(shè)計的深度學(xué)習(xí)網(wǎng)絡(luò)模型，可以現(xiàn)超表面單元對應(yīng)光譜的預(yù)測以及超表面單元的逆向設(shè)計。

2、為了達到上述目的，本發(fā)明提出的技術(shù)方案如下：

3、一種用于反射式金屬超表面單元反射光譜預(yù)測的卷積神經(jīng)網(wǎng)絡(luò)模型，其特征在于，所述反射光譜預(yù)測網(wǎng)絡(luò)模型由基于vgg模型的多卷積層、小卷積核思想的卷積神經(jīng)網(wǎng)絡(luò)組成；

4、所述卷積神經(jīng)網(wǎng)絡(luò)由8個卷積層，4個最大池化層，10個批次歸一化層，3個全連接層組成組成，輸入數(shù)據(jù)大小為(32,32,1)，輸出數(shù)據(jù)大小為(1,1,26)；

5、所述最大池化層分別位于第2個、第4個、第6個、第8個卷積層后進行最大池化操作；

6、所述批次歸一化層位于網(wǎng)絡(luò)中除最后一層外的每一層后；

7、所述全連接層位于網(wǎng)絡(luò)最后三層；

8、所述卷積神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)率為10e-4，batchsize為256、優(yōu)化器為adam優(yōu)化器，激活函數(shù)為relu函數(shù)、損失函數(shù)為mse；

9、所述卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練用數(shù)據(jù)集為30000個反射式金屬超表面單元圖案數(shù)據(jù)及超表面單元對應(yīng)的4ghz–7ghz頻段下的反射光譜，劃分為大小分別為25000、4000、1000的訓(xùn)練集、測試集、驗證集；

10、所述數(shù)據(jù)集中的反射式金屬超表面三維結(jié)構(gòu)包括厚度為1.52mm的介質(zhì)層、厚度為0.035mm的基底層、厚度為0.035mm的表面金屬層，單元結(jié)構(gòu)周期為10mm；

11、所述介質(zhì)層所選用的介質(zhì)材料為介電常數(shù)為2.65，損耗正切值為0.0019的鐵氟龍材料。

12、一種用于反射式金屬超表面逆向設(shè)計的生成對抗網(wǎng)絡(luò)模型，其特征在于，所述生成對抗網(wǎng)絡(luò)模型將深度卷積生成對抗網(wǎng)絡(luò)與條件生成對抗網(wǎng)絡(luò)相結(jié)合，構(gòu)建了c–dcgan網(wǎng)絡(luò)模型；

13、所述生成對抗網(wǎng)絡(luò)模型由生成器和鑒別器兩個模型組成；

14、所述生成器模型前五層由轉(zhuǎn)置卷積層、批次歸一化層和relu激活函數(shù)層組成，最后一層由轉(zhuǎn)置卷積層和tanh激活函數(shù)層組成；

15、所述生成器模型輸入大小為(1,1,78),由采樣噪聲(1,1,26)、反射系數(shù)實部(1,1,26)和反射系數(shù)虛部(1,1,26)組成，輸出大小為(32,32,1)；

16、所述判別器模型前六層由卷積層、批歸一化層、leakyrelu激活函數(shù)層組成。最后一層為卷積層；

17、所述判別器模型輸入大小為(32,32,53)，由二值化處理后的1/4超表面單元圖案(32,32,1)，反射系數(shù)實部(1,1,26)和反射系數(shù)虛部(1,1,26)組成，輸出大小為(1,1,1)；

18、所述生成對抗網(wǎng)絡(luò)模型學(xué)習(xí)率為10e-4，batchsize為128,優(yōu)化器為adam優(yōu)化器,優(yōu)化器參數(shù)β1、β2分別為0.5、0.9，生成器激活函數(shù)為leakyrelu，鑒別器激活函數(shù)為relu；

19、所述生成對抗網(wǎng)絡(luò)模型所用數(shù)據(jù)集為25000個反射式金屬超表面單元圖案數(shù)據(jù)及超表面單元對應(yīng)的4ghz–7ghz頻段下的反射光譜，劃分為大小分別為20000、4000、1000的訓(xùn)練集、測試集、驗證集；

20、所述數(shù)據(jù)集中的反射式金屬超表面單元三維結(jié)構(gòu)及介質(zhì)材料參數(shù)同卷積神經(jīng)網(wǎng)絡(luò)模型所用數(shù)據(jù)集中的超表面單元。

21、本發(fā)明的技術(shù)效果是：

22、(1)本發(fā)明中提出的預(yù)測器網(wǎng)絡(luò)模型可根據(jù)輸入的超表面單元圖案精準(zhǔn)預(yù)測其在4ghz–7ghz頻段的反射光譜，對反射光譜實部與虛部預(yù)測結(jié)果的均方誤差可達到0.002以下。

23、(2)本發(fā)明中提出的基于c–dcgan設(shè)計的超表面單元逆向設(shè)計模型可根據(jù)輸入的反射光譜輸出對應(yīng)的超表面單元圖案，逆向設(shè)計出的超表面單元的反射光譜與給定光譜擬合程度很高。

24、(3)本發(fā)明中，利用網(wǎng)絡(luò)模型逆向設(shè)計出用于全息成像的單比特編碼超表面，并在搭建的超表面全息成像實驗平臺上完成了7ghz下的單比特編碼超表面全息成像實驗。

技術(shù)特征：

1.一種用于反射式金屬超表面單元反射光譜預(yù)測的卷積神經(jīng)網(wǎng)絡(luò)模型，其特征在于，所述反射光譜預(yù)測網(wǎng)絡(luò)模型由基于vgg模型的多卷積層、小卷積核思想的卷積神經(jīng)網(wǎng)絡(luò)組成；

2.一種用于反射式金屬超表面逆向設(shè)計的生成對抗網(wǎng)絡(luò)模型，其特征在于，所述生成對抗網(wǎng)絡(luò)模型將深度卷積生成對抗網(wǎng)絡(luò)與條件生成對抗網(wǎng)絡(luò)相結(jié)合，構(gòu)建了c–dcgan網(wǎng)絡(luò)模型；

技術(shù)總結(jié)
本發(fā)明公開了一個用于反射式金屬超表面單元逆向設(shè)計的深度學(xué)習(xí)模型，包括基于VGG的超表面光譜預(yù)測網(wǎng)絡(luò)模型和基于C?DCGAN的超表面單元逆向設(shè)計網(wǎng)絡(luò)模型，并利用模型逆向設(shè)計的單比特編碼超表面實現(xiàn)了7GHz頻率下的超表面全息成像實驗。訓(xùn)練完成后的預(yù)測器網(wǎng)絡(luò)模型可根據(jù)輸入的超表面單元圖案精準(zhǔn)預(yù)測其在4GHz–7GHZ頻段的反射光譜，對反射光譜實部與虛部預(yù)測結(jié)果的均方誤差可達到0.002以下。基于C–DCGAN設(shè)計的超表面單元逆向設(shè)計模型可根據(jù)輸入的反射光譜輸出對應(yīng)的超表面單元圖案，逆向設(shè)計出的超表面單元的反射光譜與給定光譜擬合程度很高。在實驗中，我們利用網(wǎng)絡(luò)模型逆向設(shè)計出用于全息成像的單比特編碼超表面，并在搭建的超表面全息成像實驗平臺上完成了7GHz下的單比特編碼超表面全息成像實驗。我們提出的用于反射式金屬超表面單元逆向設(shè)計的深度學(xué)習(xí)模型可為超表面設(shè)計過程省去繁復(fù)的仿真計算過程，這項工作可用于各類有反射式金屬超表面單元自動設(shè)計需求的應(yīng)用。

技術(shù)研發(fā)人員：井緒峰,辛昊烜,金永興,田穎
受保護的技術(shù)使用者：中國計量大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23