买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东工业大学申请的专利基于卷积神经网络的强圆二色性可调超表面逆向设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119918420B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510396876.0，技术领域涉及：G06F30/27；该发明授权基于卷积神经网络的强圆二色性可调超表面逆向设计方法是由姜欢;田广;王冶天;高伟琳设计研发完成，并于2025-04-01向国家知识产权局提交的专利申请。

本基于卷积神经网络的强圆二色性可调超表面逆向设计方法在说明书摘要公布了：本发明提供了一种基于卷积神经网络的强圆二色性可调超表面逆向设计方法，包括：S1、确定超表面结构的基本结构单元，并且将图案刻蚀区域参数化表示为二进制矩阵；S2、随机生成若干个刻蚀图案矩阵；S3、在CST软件中对超表面结构进行仿真计算，得到透射谱线；S4、将S2中随机生成的刻蚀图案矩阵与S3中仿真计算得到的透射谱线一一对应，筛选后整理成样本集；S5、构建神经网络模型，采用样本集对神经网络模型进行训练；S6、重新随机生成若干个新的刻蚀图案矩阵，将其输入至训练好的神经网络模型中，得到输出的预测透射谱线；S7、筛选出圆二色性高于第一阈值的刻蚀图案矩阵。本发明将深度学习技术运用于超表面设计领域，大大提高了超表面结构的设计效率。

本发明授权基于卷积神经网络的强圆二色性可调超表面逆向设计方法在权利要求书中公布了：1.一种基于卷积神经网络的强圆二色性可调超表面逆向设计方法，其特征在于，包括以下步骤：S1、确定超表面结构的基本结构单元，并且将基本结构单元中的图案刻蚀区域参数化表示为特定大小的二进制矩阵；S2、以S1中特定大小的二进制矩阵为基础，利用Python随机生成若干个刻蚀图案矩阵；S3、针对S2中生成的每一个刻蚀图案矩阵，在CST软件中建模生成对应的超表面结构，并利用CST软件进行仿真计算，得到对应的透射谱线；所述透射谱线包括左旋圆偏振透射谱线和右旋圆偏振透射谱线；S4、将S2中随机生成的刻蚀图案矩阵与S3中仿真计算得到的透射谱线一一对应，筛选后整理成样本集；S5、以刻蚀图案矩阵为输入，以透射谱线为输出，构建神经网络模型，采用S4中的样本集对所述神经网络模型进行训练；S6、采用S2相同的方法，重新随机生成若干个新的刻蚀图案矩阵，将其输入至训练好的神经网络模型中，得到输出的预测透射谱线；S7、根据S6中输出的预测透射谱线进行筛选，从S6生成的新的刻蚀图案矩阵中，筛选出圆二色性高于第一阈值的刻蚀图案矩阵；在S1中，所述超表面结构的基本结构单元的单元周期p为1000nm，包括GST层和SiO2层，所述GST层层叠设置于SiO2层的上表面，图案刻蚀区域设置于GST层的中部；在S1中，将基本结构单元中的图案刻蚀区域参数化表示为特定大小的二进制矩阵的方法为：在单元周期p为1000nm的GST层边缘处预留出s=20nm的边界后，将中部剩下的区域作为图案刻蚀区域；将图案刻蚀区域划分为48×48个边长w为20nm的方格，对应48×48的二进制矩阵；通过所述二进制矩阵表示图案刻蚀区域中的刻蚀图案，其中，0代表该方格区域未被刻蚀，1代表该方格区域被刻蚀；在S5中，构建的神经网络模型包括三层卷积层、三层池化层和七层全连接层；所述三层卷积层和三层池化层依次交叉串联，每个卷积层的后面连接一个池化层；神经网络模型的输入端经过交叉串联的三层卷积层和三层池化层后，再经过七层全连接层连接至神经网络模型的输出端；其中，卷积层的卷积核大小为2×2，池化层的池化类型为平均池化，七层全连接层中各层的神经元个数依次为350、300、250、200、150、100、80。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510000 广东省广州市番禺区广州大学城外环西路100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。