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！

龙图腾网获悉浙江大学申请的专利一种基于任务导向型学习的超表面设计优化方法及系统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：CN119761184B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411823748.1，技术领域涉及：G06F30/27；该发明授权一种基于任务导向型学习的超表面设计优化方法及系统是由赵纪伟;汪子晟;郑斌;吴敏;鲁焕;朱蓉蓉;陈红胜设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于任务导向型学习的超表面设计优化方法及系统在说明书摘要公布了：本发明公开了一种基于任务导向型学习的超表面设计优化方法及系统，涉及电磁超材料设计与优化技术领域。包括：生成超表面单元结构参数，以及相应的电磁特性参数，并构建数据集；构建以单元结构参数为输入，相应电磁特性参数为输出的神经网络，并使用数据集进行神经网络训练；定义超表面单元的目标特征参数，构建以神经网络的输出参数与目标特征参数为自变量的优化目标函数；对目标函数进行求导，获得单元结构参数的调整量；更新单元结构参数；直至目标函数满足阈值，实现超表面的设计优化。本发明通过智能优化设计方法为超表面技术的发展提供了新思路，能够满足对复杂超表面多功能、高效设计的需求。

本发明授权一种基于任务导向型学习的超表面设计优化方法及系统在权利要求书中公布了：1.一种基于任务导向型学习的超表面设计优化方法，其特征在于，包括以下步骤： S1.数据生成：生成超表面单元结构参数p，以及相应的电磁特性参数s，并构建数据集并构建空的修正数据集用于后期更新网络参数，其中，p＝{p1，p2，...，pi}，s＝{s1，s2，...，si}，i表示样本的索引； S2.网络训练：构建以单元结构参数p为输入，相应电磁特性参数s为输出的神经网络φθ，并使用数据集进行神经网络训练，其中，θ为网络参数； S3.目标函数构建：定义超表面单元的目标特征参数s*，构建以神经网络的输出参数s与目标特征参数s*为自变量的优化目标函数fs*,s； S4.获取调整量：对fs*,s进行求导，获得单元结构参数p的调整量Δp， S5.更新参数：利用调整量Δp更新单元结构参数； S6.设计优化：重复S3～S5直至目标函数满足阈值，实现超表面的设计优化； S3中优化目标函数fs*,s的计算公式为： S4中使用梯度下降法对单元结构参数进行迭代调整，对fs*,s进行求导，获得单元结构参数p的调整量Δp： 其中，表示求导，φθ表示参数为θ的参数特性预测神经网络； 更新单元结构参数遵循以下公式： p＝p+∈Δp 其中，0∈≤1表示更新的步长。

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浙江大学，其通讯地址为：310027 浙江省杭州市西湖区浙大路38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”。