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！

龙图腾网获悉南京大学申请的专利一种基于深度学习和结构变量的电磁超材料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：CN115482893B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202211341320.4，技术领域涉及：G16C60/00；该发明授权一种基于深度学习和结构变量的电磁超材料设计方法是由邱港;王琼;柏业超;唐岚;张兴敢设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本一种基于深度学习和结构变量的电磁超材料设计方法在说明书摘要公布了：本发明提供一种基于深度学习和结构变量的电磁超材料设计方法，属于电磁超材料设计领域，包括以下步骤：步骤一：将电磁超表面单元结构设计及相关参数周期排列结构送入电磁仿真软件，得到对应的电磁响应，构建正向预测数据集和反向设计数据集；步骤二：将正向预测数据集和反向设计数据集，分别分割为80％的训练集和20％的测试集；步骤三：构建正向预测网络模型；步骤四：构建反向设计网络模型，初始化网络参数；步骤五：将反向设计数据集送入反向设计网络模型生成网络R‑Generator和网络I‑Generator，并进行迭代循环训练。本发明采用间接式生成模型，克服了离散映射时带来的误差，提升了模型最终的精度，通过结构变量的引入解决了反向设计中离散误差大和灵活性不足问题。

本发明授权一种基于深度学习和结构变量的电磁超材料设计方法在权利要求书中公布了：1.一种基于深度学习和结构变量的电磁超材料设计方法，其特征在于，包括以下步骤： 步骤一：将电磁超表面单元结构设计及相关参数周期排列结构送入电磁仿真软件，得到对应的电磁响应，构建正向预测数据集和反向设计数据集；正向预测数据集和反向设计数据集包括生成的电磁响应数据，电磁响应数据包括实部仿真值和虚部仿真值； 步骤二：将步骤一中构建的正向预测数据集和反向设计数据集，分别分割为80%的训练集和20%的测试集； 步骤三：构建正向预测网络模型，将分割后的正向预测数据集进行正向预测网络的模型训练，训练完成后固定正向预测网络模型参数； 步骤四：构建反向设计网络模型，包括实部生成网络R-Generator和虚部生成网络I-Generator，初始化网络参数； 步骤五：将反向设计数据集中的实部训练子集送入反向设计网络模型的实部生成网络R-Generator，将反向设计数据集中的虚部训练子集送入反向设计网络模型的虚部生成网络I-Generator，并进行迭代循环训练； 所述步骤五中，每一轮的迭代计算过程步骤如下： 步骤5.1：将反向设计数据集的实部训练子集送入实部生成网络R-Generator，反向设计数据集的虚部训练子集送入虚部生成网络I-Generator，分别得到实部预置换矩阵和虚部预置换矩阵； 步骤5.2：将实部预置换矩阵与虚部预置换矩阵按照通道维度拼接，经过1×1卷积层融合通道，再经过gumbel-sinkhorn算子得到置换矩阵； 步骤5.3：引入结构变量，形式为离散向量；将结构变量与步骤5.2中得到的置换矩阵进行向量乘积计算间接得到生成的超表面排列样式； 步骤5.4：将步骤5.3生成得到的超表面排列样式送入步骤三中构建的正向预测网络，分别得到实部预测值、虚部预测值和幅值预测值； 步骤5.5：通过实部预测值、虚部预测值和幅值预测值计算误差，进行反向传播算法更新实部生成网络R-Generator、虚部生成网络I-Generator和1×1卷积融合层参数。

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南京大学，其通讯地址为：210033 江苏省南京市栖霞区仙林大道163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。