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！

龙图腾网获悉中国科学院上海光学精密机械研究所申请的专利基于特征增强的神经网络薄膜逆向设计方法及其光学薄膜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：CN120509284B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510491227.9，技术领域涉及：G06F30/27；该发明授权基于特征增强的神经网络薄膜逆向设计方法及其光学薄膜是由朱美萍;金健;王亮;李静平;夏鑫涛;邵建达设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本基于特征增强的神经网络薄膜逆向设计方法及其光学薄膜在说明书摘要公布了：本发明公开了一种基于特征增强的神经网络薄膜逆向设计方法。本发明使用所属经典膜系的特征膜厚和随机膜厚组合形成特征增强的薄膜结构数据集；将卷积神经网络CNN和长短期记忆网络LSTM组合形成逆向混合神经网络，并与前向单一全连接神经网络串联，形成薄膜逆向设计神经网络模型；对该薄膜逆向设计神经网络模型进行训练，获得优化的模型参数；将目标光谱输入训练完成的逆向混合神经网络，最终设计出与目标光谱吻合的膜系结构。本发明基于特征增强的薄膜结构数据集，减小了神经网络对数据集大小的依赖，显著降低了目标光谱测试集的损失值，提高了对目标光谱预测的准确性。同时，本发明利用混合神经网络捕捉光谱的多维度特征，提升了薄膜逆向设计神经网络模型的训练速度。

本发明授权基于特征增强的神经网络薄膜逆向设计方法及其光学薄膜在权利要求书中公布了：1.一种基于特征增强的神经网络薄膜逆向设计方法，其特征在于，包括以下步骤： 步骤一、构建包含经典膜系特征数据的训练数据集，所述特征数据通过特征矩阵法计算获得； 步骤二、建立串联薄膜逆向设计神经网络模型，包括： 前向单一全连接神经网络模块，用于根据膜层厚度参数预测反射光谱； 逆向混合神经网络模块，采用卷积神经网络和长短期记忆网络混合结构，用于根据反射光谱预测膜层厚度参数； 步骤三、使用所述训练数据集对串联薄膜逆向设计神经网络模型进行联合训练，训练过程中采用闭环优化策略，通过前向单一全连接神经网络验证逆向混合神经网络的输出； 步骤四、将目标光谱输入训练完成的逆向混合神经网络模块，输出设计的膜层厚度参数； 所述训练数据集的构建包括： 获取X组基于经典膜系规则生成的理想膜厚数据及其对应反射光谱作为特征数据； 获取Y组随机生成的膜厚数据及其对应反射光谱作为随机数据； 将特征数据与随机数据按预设比例混合，形成特征增强的训练数据集； 所述逆向混合神经网络模块，包括： 输入层：接收反射光谱数据； CNN特征提取模块：提取出光谱数据的空间局部特征； LSTM特征提取模块：捕捉光谱序列的波长与反射率的长期依赖关系； 多个全连接层：强化模型的非线性拟合能力； 输出层：输出预测的膜层厚度参数； 用于训练的薄膜膜系结构，包括基底材料、高折射率材料、低折射率材料、薄膜层数、每层薄膜的材料，以及入射光的角度、偏振态及波长范围，波长采样点数；X组不同工作波长下薄膜的理想膜厚数据；Y组每层薄膜厚度随机变化数据；共N组特征增强的薄膜结构数据集，N＝X+Y； 所述串联薄膜逆向设计神经网络模型训练中采用的损失函数为： 其中，Rij是训练数据集中第i组反射光谱的第j个数据值，rij是训练数据集中第i组反射光谱经逆向混合神经网络模块输出的膜层厚度参数再经过前向单一全连接神经网络模块输出的反射光谱的第j个数据值；i＝1,2,3……N，j＝1,2,3……n；N为薄膜结构组数，n为每条光谱的波长采样点数。

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中国科学院上海光学精密机械研究所，其通讯地址为：201800 上海市嘉定区清河路390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”。

以上内容由龙图腾AI智能生成。