超表面透镜的逆向设计方法、系统、设备及介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116027547A(43)申请公布日2023.04.28(21)申请号202310060561.X(22)申请日2023.01.16(71)申请人清华大学地址100084北京市海淀区100084信箱82分箱清华大学专利办公室(72)发明人孙竞博王斐镂周济(74)专利代理机构北京纪凯知识产权代理有限公司11245专利代理师刘美丽(51)Int.Cl.G02B27/00(2006.01)G06N3/08(2023.01)G06N3/0464(2023.01)权利要求书2页说明书9页附图4页(54)发明名称超表面透镜的逆向设计方法、系统、设备及介质(57)摘要本发明涉及一种超表面透镜的逆向设计方法、系统、设备及介质，包括：基于输入的光学响应条件通过生成对抗网络生成多个结构单元图案；将多个结构单元图案通过卷积神经网络对其产生的光学响应进行预测；选取预设误差最小的结构单元图案作为超表面透镜的目标结构单元图案，完成超表面透镜的逆向设计。本发明有利于实现高性能超表面透镜的快速逆向设计，降低数值模拟时间与计算机硬件资源成本，加快实现超表面透镜的产业化。CN116027547ACN116027547A权利要求书1/2页1.一种超表面透镜的逆向设计方法，其特征在于包括：基于输入的光学响应条件通过生成对抗网络生成多个结构单元图案；将多个结构单元图案通过卷积神经网络对其产生的光学响应进行预测；选取预设误差最小的结构单元图案作为超表面透镜的目标结构单元图案，完成超表面透镜的逆向设计。2.根据权利要求1所述的超表面透镜的逆向设计方法，其特征在于，还包括建立超表面结构单元的初始性能数据库，包括：基于超表面结构单元的基本属性随机产生图案形成结构单元；针对随机产生的结构单元，通过数值模拟仿真获得不同结构单元所具有的光学响应，建立初始性能数据库，其中，所述初始性能数据库包括初始数据库图案矩阵和光学响应矩阵。3.根据权利要求2所述的超表面透镜的逆向设计方法，其特征在于，所述卷积神经网络使用所述初始数据库中的初始数据库图案和相应的光学响应进行训练，其中，初始数据库图案作为输入层，光学响应作为输出层，通过一定迭代次数的训练得到所述卷积神经网络。4.根据权利要求3所述的超表面透镜的逆向设计方法，其特征在于，所述卷积神经网络包括卷积层、池化层和全连接层，激活函数使用sigmoid、tanh、ReLU或LeakyReLU函数，训练时使用的损失函数为均方根误差。5.根据权利要求1所述的超表面透镜的逆向设计方法，其特征在于，所述生成对抗网络通过生成网络和判别网络训练得到，其中，所述生成网络基于输入的光学响应条件生成结构单元图案，所述判别网络对生成的结构单元图案与真实图案进行判别，通过一定迭代次数的训练得到所述生成对抗网络。6.根据权利要求5所述的超表面透镜的逆向设计方法，其特征在于，所述生成网络包括输入层、转置卷积层以及输出层，输入层包括输入的光学响应条件与随机高斯噪声向量，输出层为生成的结构单元图案。7.根据权利要求5所述的超表面透镜的逆向设计方法，其特征在于，所述判别网络包括输入层、跨步卷积层以及输出层，输入层为光谱条件和真、假图案的拼接张量，输出层为反应图案是否接近真实图案的数值。8.一种超表面透镜的逆向设计系统，其特征在于，该系统包括：结构单元生成单元，被配置为基于输入的光学响应条件通过生成对抗网络生成多个结构单元图案；光学响应预测单元，被配置为将多个结构单元图案通过卷积神经网络对其产生的光学响应进行预测；目标结构单元，被配置为选取预设误差最小的结构单元图案作为超表面透镜的目标结构单元图案，完成超表面透镜的逆向设计。9.一种电子设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。10.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述2CN116027547A权利要求书2/2页方法中的任一方法。3CN116027547A说明书1/9页超表面透镜的逆向设计方法、系统、设备及介质技术领域[0001]本发明是关于一种超表面透镜的逆向设计方法、系统、设备及介质，涉及纳米光子学领域。背景技术[0002]透镜是一种极其重要的元件，在显微镜、照相机、手机以及虚拟与增强现实眼镜等方面具有重要的作用。单片透镜通过厚度的改变来实现对入射光的聚焦，而材料的本征色散会导致不同波长的光聚焦在不同的位置，产生较大的色差，严重影响透镜的成像质量，因此透镜使用时需要进行光学像差矫