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联合深度学习与CST仿真的编码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：CN115270600B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202210718210.9，技术领域涉及：G06F30/27；该发明授权一种联合深度学习与CST仿真的编码超表面逆向设计方法是由柏业超;朱立新;唐岚;张兴敢设计研发完成，并于2022-06-23向国家知识产权局提交的专利申请。

本一种联合深度学习与CST仿真的编码超表面逆向设计方法在说明书摘要公布了：本发明公开了一种联合深度学习与CST仿真的编码超表面逆向设计方法，包括以下步骤，基于条件变分自编码器，使用编码超表面矩阵及其对应的相位响应曲线进行联合训练，并结合CTS软件自动仿真，构建了编码超表面矩阵的逆向设计模型。本发明克服了编码超表面矩阵的离散性及其随机性所导致的模型学习能力不足问题，可得到直接使用的编码超表面矩阵，相比于传统的迭代优化算法，效率上有了进一步的提升，有效降低了编码超表面逆向设计的时间成本。此外本方法基于CVAE模型的特性实现了相位响应曲线与编码超表面矩阵之间一对多的特性，解决了非迭代深度学习方法解的唯一性问题。

本发明授权一种联合深度学习与CST仿真的编码超表面逆向设计方法在权利要求书中公布了：1.一种联合深度学习与CST仿真的编码超表面逆向设计方法，其特征在于，包括以下步骤： 步骤一：将数据集分割为训练集和测试集；将大小为16×16的编码超表面矩阵image及其对应的相位响应曲线向量y作为网络输入； 步骤二：构建网络模型，分别包括构建编码器Encoder及解码器Decoder的网络，编码器Encoder输出训练样本的均值μ和方差ε；解码器Decoder输出重构的编码超表面矩阵模型优化器设置为Adam，学习率为1e-3 步骤三：将训练集样本imagei_train和yi_train分批次输入模型中,轮次循环训练直至收敛； 步骤四：将测试集中的相位响应曲线向量yi_test输送至训练完成的编码超表面矩阵预测模型的解码器中，得到对应的重构编码超表面矩阵随后将重构编码超表面矩阵与测试集中的编码超表面矩阵imagei_test进行相似度匹配并进行降序排序，得到前n个候选编码超表面矩阵imagei_test，再计算各候选编码超表面矩阵imagei_cand对应的相位响应曲线向量yi_cand与相位响应曲线向量yi_test之间的曲线误差losscurve，计算公式如下： 其中M为相位响应曲线向量的维度； 设定曲线误差阈值threshold，当曲线误差losscurve≤threshold时判定为逆向设计成功，当曲线误差losscurve＞threshold判定为逆向设计失败，并得到设计准确度ACC，其值表示平均一个相位响应曲线可以找到ACC个满足条件的编码超表面矩阵，计算公式如下： 其中right_num为设计正确的个数；total_num为测试集编码超表面矩阵的个数； 步骤五：在实际应用中，将期望的相位响应曲线向量输送至训练完成的编码超表面矩阵预测模型的解码器中，得到对应的重构编码超表面矩阵，随后将重构编码超表面矩阵与随机生成的编码超表面矩阵集合进行相似度匹配并进行降序排序，得到候选编码超表面矩阵集合，然后将候选编码超表面矩阵在CST仿真软件中进行仿真，选取其中性能最优的编码超表面作为最终的设计结果。

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：210023 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。