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！

龙图腾网获悉东南大学申请的专利一种用于超表面智能设计的物理驱动机器学习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：CN115526107B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211239682.2，技术领域涉及：G06F30/27；该发明授权一种用于超表面智能设计的物理驱动机器学习方法是由张嘉男;游检卫;崔铁军设计研发完成，并于2022-10-11向国家知识产权局提交的专利申请。

本一种用于超表面智能设计的物理驱动机器学习方法在说明书摘要公布了：本发明公开了一种用于超表面智能设计的物理驱动机器学习算法，用于加速对超表面电磁响应的预测过程，进而实现高效的超表面智能设计。具体步骤：1在参数空间采样，对仅包含一个和两个谐振器的不同单元样本进行全波电磁仿真，并通过拟合得到耦合模CMT参数值，构建数据库；2训练神经网络学习几何参数与耦合模参数值的关系；3结合受训练后的神经网络与多谐振耦合模理论方程，使之能够精准预测任意数目多谐振系统的电磁响应；4基于神经网络CMT替代模型，利用优化算法进行超表面的快速优化设计。相比于数据驱动建模方法，本发明显著减少训练样本数目近75％，同时将超表面设计优化时间缩短2个数量级以上，可用于电磁隐身等微波场景。

本发明授权一种用于超表面智能设计的物理驱动机器学习方法在权利要求书中公布了：1.一种用于超表面智能设计的物理驱动机器学习方法，其特征在于，该方法包括步骤如下： 步骤1.针对单谐振和多谐振耦合系统，在几何参数空间中进行网格采样，对不同几何尺寸下的样本，分别对包含一个和两个谐振器的单元结构进行全波电磁仿真得到对应超表面的电磁响应； 步骤2.根据耦合模理论方程，通过内德-米德Nelder-Mead单纯型直接搜索算法或局部优化算法分别拟合包含一个和两个谐振器单元的电磁响应得到对应的耦合模参数值，构建单谐振和双谐振的耦合模参数数据库； 步骤3.基于构建的单谐振的耦合模参数数据库，使用多层感知器神经网络MLP来学习单谐振耦合模参数和几何参数之间的关系； 步骤4.基于构建的双谐振的耦合模参数数据库，使用多层感知器神经网络MLP来学习双谐振耦合模参数和几何参数之间的关系； 步骤5.结合训练的单谐振和双谐振神经网络与多谐振耦合模公式，搭建整体物理驱动机器学习模型，使之成为能够精准预测任意耦合的多谐振系统电磁响应的高效工具； 步骤6.基于训练得到的物理驱动机器学习模型，明确超表面设计指标，使用基于梯度的拟牛顿quasi-Newton优化算法来求解有约束优化问题，从而得到超表面单元结构的最优设计。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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。