Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江科技大学徐弼军获国家专利权

浙江科技大学徐弼军获国家专利权

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!

龙图腾网获悉浙江科技大学申请的专利一种基于强化学习的超透镜逆设计优化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:CN120597582B

龙图腾网通过国家知识产权局官网在2025-10-14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:202511106513.5,技术领域涉及:G06F30/20;该发明授权一种基于强化学习的超透镜逆设计优化方法是由徐弼军;王欢颜;姜皓翔;徐玲玲;万谋速设计研发完成,并于2025-08-08向国家知识产权局提交的专利申请。

一种基于强化学习的超透镜逆设计优化方法在说明书摘要公布了:本发明公开了一种基于强化学习的超透镜逆设计优化方法,具体包括以下步骤:步骤一:构建纳米结构库,将纳米结构库中的纳米环结构排列在三维矩阵迷宫中;步骤二:建立物理信息多智能体强化学习框架:将三维矩阵迷宫划分为多个二维迷宫切片;设置多个智能体分别分布在多个迷宫切片上,实现几何参数的同步探索;步骤三:设置奖励函数,当奖励函数的奖励值达到预设目标或收敛时,输出超透镜设计结果。本发明通过融合多智能体强化学习协同探索机制与物理信息约束,解决生成式神经网络结构不可控、数据关联性差及伴随方法三维优化需分步设计的问题,实现超透镜同步逆设计与优化。

本发明授权一种基于强化学习的超透镜逆设计优化方法在权利要求书中公布了:1.一种基于强化学习的超透镜逆设计优化方法,其特征在于,具体包括以下步骤: 步骤一:构建由不同几何参数的纳米结构组成的纳米结构库,将纳米结构库中的纳米环结构按照几何参数的取值排列在三维矩阵迷宫中;所述三维矩阵迷宫中的每个坐标对应唯一纳米结构; 步骤一中,所述纳米结构为纳米环;所述几何参数包括半径、粗略宽度和精细宽度三个维度;所述半径范围为250nm-49750nm;所述粗略宽度范围为100nm-500nm;所述精细宽度为0nm-16nm,精细宽度用于在粗略宽度的基础上进行增宽;所述三维矩阵迷宫的参数维度排列为100×11×5;所述坐标还包含对应纳米环结构的相位调制信息与透射率信息,其中,相位调制信息作为标签用于降低数据处理复杂度; 步骤二:建立物理信息多智能体强化学习框架:将所述三维矩阵迷宫作为智能体探索环境,沿矩阵迷宫中代表环形纳米结构半径的维度,划分为多个二维迷宫切片;设置多个智能体分别分布在多个迷宫切片上,智能体通过与强化学习环境交互实现几何参数的同步探索; 步骤二中,所述物理信息包括纳米结构的相位调制信息和透射率信息;所述物理信息多智能体强化学习框架以三维矩阵迷宫作为探索环境沿半径维度划分为100个二维11×5切片,设置100个智能体分别分布在这100个二维切片上,通过与强化学习环境交互实现几何参数的运动和观察;所述物理信息多智能体强化学习框架采用多智能体近端策略优化算法; 步骤三:设置包括单个智能体奖励值和全局奖励值的奖励函数,利用角谱传输计算超透镜的轴向光强分布作为性能评估依据,当奖励函数的奖励值达到预设目标或收敛时,输出由智能体选中的纳米结构组成的超透镜设计结果; 步骤三中,所述单个智能体奖励值的奖励函数为: ; 式中,为局部奖励值;为智能体当前探索坐标与初始化坐标的距离,为用于控制探索范围的系数; 所述全局奖励值的奖励函数为: ; 式中,为全局奖励值,为最终峰值奖励,为非峰值区间平坦化惩罚项,为非峰值区间非峰值惩罚项。

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科技大学,其通讯地址为:310023 浙江省杭州市西湖区留和路318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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。