基于深度学习的环偶极子超表面逆向设计.pdf

目录

目录

摘要III

ABSTRACTV

1绪论1

1.1选题背景与意义1

1.2国内外研究现状3

1.2.1环偶极子超表面的研究现状3

1.2.2深度学习的研究现状7

1.2.3深度学习结合超表面设计的研究现状9

1.3研究内容与章节安排13

2相关理论及基础15

2.1引言15

2.2环偶极子超表面的相关基础知识15

2.2.1环偶极子超表面的设计方法15

2.2.2多级散射能量计算17

2.3深度学习基础知识18

2.3.1神经元18

2.3.2激活函数20

2.3.3损失函数23

2.3.4优化器25

2.4常见的神经网络模型26

2.4.1全连接神经网络（FNN）26

2.4.2残差神经网络26

2.4.3生成对抗网络（GAN）28

2.5相关工具介绍29

2.5.1仿真软件CST29

I

贵州师范大学硕士学位论文

2.5.2Python与CST联合仿真30

2.6本章小结32

3超表面模型的构建及数据集的获取与预处理33

3.1引言33

3.2超表面模型的建立34

3.3数据集的获取与预处理35

3.4本章小结37

4基于深度学习的环偶极子超表面正逆向设计38

4.1引言38

4.2基于全连接和残差神经网络的超表面正向设计38

4.2.1正向神经网络模型的搭建及训练38

4.2.2网络模型结果分析40

4.3基于对抗生成网络的环偶极子超表面逆向设计42

4.3.1模型总体结构42

4.3.2生成器结构42

4.3.3判别器结构43

4.3.4模型的训练及效果展示45

4.4深度学习模型结构的优化46

4.5本章小结48

5总结与展望49

参考文献51

致谢58

攻读硕士学位期间主要研究成果59

贵州师范大学学位论文原创性声明60

贵州师范大学学位论文使用授权书60

II

摘要

摘要

Metamaterial

超材料（）是一种精心设计的人工电磁材料，通过

改变其周期排列的亚波长单元结构，能够实现对电磁场的精准调控。

专家们巧妙地将超材料的这一特性应用于环偶极子的谐振增强，克服

了由于环偶极子在自由空间中耦合效率低导致的检测困难，使环偶极

子得以展示出其独特的电磁特性。然而，传统的环偶极子超表面设计

通常存在效率低下的问题，需要进行复杂的数值模拟和参数扫描，且

受到设计者直觉和经验的严重制约。更为关键的是，环偶极子的一个

重要指标——散射能量，无法像透射率那样直接通过仿真软件进行采

集和可视化，而是需要借助其他计算方法来确定。因此如何高效地设

计环偶极子超表面是一个值得研究的课题。本文将深度学习算法引入

环偶极子超表面的正逆向设计过程，设计出两个不同的深度学习模型，

解决了传统环偶极子超表面按需设计效率低下的问题。主要研究工作

如下：

(1)针对超表面正向设计过程中时间成本高计算资源耗费大的问

题，提出了一种基于深度学习的环偶极子超表面正向设计新方法。该

方法将自构建的数据集放入全连接神经网络和残差网络组合的正向

神经网络中，通过迭代训练以模拟超表面结构参数与多极散射能量和