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！

申请/专利权人：华东交通大学

摘要：本发明实施公开了一种基于LDM‑PNN和粒子群算法的超原子逆向设计方法，在PNN模型的基础上，将预训练LDM模型中的编解码器和粒子群算法相结合，根据给定目标光谱响应，通过粒子群算法在基于LDM模型编码的潜在空间中搜寻全局最优的超原子结构。本发明专利不仅能够预测超原子对应的光谱响应，而且能够实现超原子到光谱响应的逆向设计，解决逆向设计中的“一对多”问题。相比于传统的利用数值模拟进行逆向设计的方法，节约了大量的人力时间和成本且设计结果精确。

主权项：1.一种基于LDM-PNN和粒子群算法的超原子逆向设计方法，其步骤为：S01、确定超原子的结构信息参数，使用现有数据集训练LDM模型；训练LDM模型中的编解码器，编解码器包括编码器M和解码器D，编解码器提供低维的潜在空间来训练扩散模型；其中现有数据集是由全电介质超原子的结构信息参数及其对应的光谱响应透射系数的实部和虚部组成；超原子的结构信息参数为：2D结构图像和三个一维结构参数，其中2D结构图像是高折射率介电组件的俯视图，俯视图为64*64像素组成的图像，而三个一维结构参数为结构折射率、厚度和结构的尺寸；现有数据集中，超原子是由具有不同折射率的两层介电组件堆叠而成，其中底层是正方形的低折射率介电组件，上层是任意对称形状的高折射率介电组件；S02、LDM模型训练完成后，超原子结构图像通过LDM模型中的编码器M将数据从高维空间编码压缩到低维空间，即潜在空间，在潜在空间中形成潜在特征向量；将编码后的超原子结构图像和结构参数一起输入到LDM模型的扩散模型中，经过扩散模型扩散后在潜在空间中生成由超原子结构图像和结构参数组成的超原子结构信息参数；解码器D再将超原子结构图像解码恢复到原始的高维空间；S03、通过现有数据集对PNN模型进行训练，模型训练完成后，将解码后的超原子结构图像和结构参数输入到PNN模型中，预测超原子结构一一对应的光谱响应透射系数的实部和虚部；S04、给定目标光谱响应透射系数，通过粒子群算法在潜在空间中寻找对应的最优超原子，最优超原子的光谱响应透射系数误差小于阈值；如果找到最优超原子，则输出超原子结构图像和结构参数；否则，由粒子群算法更新结构信息参数；通过LDM模型中的解码器D解码后输入到PNN模型中；重复此类操作，直到找到近似最优超原子或达到指定的迭代次数。

全文数据：

权利要求：

百度查询： 华东交通大学 一种基于LDM-PNN和粒子群算法的超原子逆向设计方法