一种逆向设计的超构表面器件及其制备、设计方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115857067A(43)申请公布日2023.03.28(21)申请号202211739816.7G02B27/00(2006.01)(22)申请日2022.12.30G03F7/00(2006.01)(71)申请人湖南大学地址410012湖南省长沙市岳麓区麓山南路麓山门申请人湖南大学深圳研究院湖大粤港澳大湾区创新研究院（广州增城）(72)发明人胡跃强张毅李苓段辉高贾红辉(74)专利代理机构北京思海天达知识产权代理有限公司11203专利代理师王兆波(51)Int.Cl.G02B1/00(2006.01)权利要求书1页说明书4页附图2页(54)发明名称一种逆向设计的超构表面器件及其制备、设计方法(57)摘要本发明公开了一种逆向设计的超构表面器件及其制备、设计方法，包括从下至上依次设置的透明介质衬底与第一层电介质微纳单元结构、HSQ分隔层和第二层电介质微纳单元结构，根据层数不同可追加更多层数的微纳单元结构。本发明逆向设计的超构表面器件通过在现有数据库的基础上，采用逆向设计的方法，训练优化网络后获得了其他结构参数以及自由形状结构的光学响应，为正向设计方法中难以获得的高自由度形状提供了全新的设计思路。本发明利用GPU的并行计算能力提高计算性能，而且将多种算法相互融合，避免了局部最优解、难以收敛等问题，计算资源损耗低，计算结果优秀。采用套刻工艺进行多层的制备，工艺简单，层间对准精度高。CN115857067ACN115857067A权利要求书1/1页1.一种逆向设计的超构表面器件，其特征在于，包括从下至上依次设置的透明介质衬底与第一层电介质微纳单元结构、HSQ分隔层和第二层电介质微纳单元结构，根据层数不同可追加更多层数的微纳单元结构；设计超构表面器件时需要输入所需的光谱、色散响应曲线参数与对应的数据集，同时构建正向训练与反向优化模型，在正向训练过程中预测给定结构参数的光学响应，并通过反向优化将理想结果与预测结果的差异反馈给结构参数，经过数次迭代完成超构表面的设计。2.根据权利要求1所述的一种逆向设计的超构表面器件，其特征在于，所述第一层电介质微纳单元结构和第二层电介质微纳单元结构根据波段的不同选择对应的材料，包括TiO2、HfO2、GaN、Si。3.根据权利要求1所述的一种逆向设计的超构表面器件，其特征在于，所述第一层电介质微纳单元结构和第二层电介质微纳单元结构的高度范围为200‑1500nm。4.根据权利要求1所述的一种逆向设计的超构表面器件，其特征在于，所述第一层电介质微纳单元结构和第二层电介质微纳单元结构的形状包括规则形状与自由形状，其中规则形状包括矩形、圆形。5.如权利要求1‑4任一所述逆向设计的超构表面器件的制备方法，其特征在于，所述制备方法包括以下步骤：针对单层超构表面选择共形填充工艺进行制备，首先在透明介质衬底上旋涂聚甲基丙烯酸甲酯和ZEP抗蚀剂，烘烤后使用光刻技术进行曝光并显影定影；随后使用原子层沉积技术填充曝光的孔洞，并使用离子束刻蚀去除样品表面的抗蚀剂，最后使用反应离子刻蚀去除样品表面残余的光刻胶，获得单层超构表面。6.如权利要求1‑4任一所述逆向设计的超构表面器件的设计方法，其特征在于，一种逆向设计的超构表面器件的设计方法，首先为了获得逆向设计需要的训练数据集，采用数值仿真软件计算规则形状建立数据库，即训练所需的数据集；其次，将数据集分为训练集和测试集，进而构建强化学习网络，在正反向计算过程中均构建监督学习回归模型进行训练；通过对训练集建立回归模型训练神经网络，神经网络训练完成后获得微纳结构的尺寸参数，接下来用测试集预测其能够产生的光学响应，并以交叉验证和参数选择的方式，用判定系数和训练测试时间来评定网络模型的性能；在反向回归模型中，比对正向预测的结果与理想值的差异，以反馈的方式调整微纳结构的尺寸参数，进行正向训练预测‑反向优化的过程，直到获得理想结果；最后，将微纳结构分割为n×n的小像素结构，通过将每个位置的像素二值化处理规定是否将该像素填充结构，进而将像素图像与所需的光学相应作为网络的输入，构建生成对抗网络；采用模拟器、生成器与鉴别器这三个卷积神经网络对二值化结构参数进行正向训练，其中生成器的权重函数不仅会受到鉴别器和模拟器的影响，而且通过比对理想微纳结构的形状与生成器生成的结构之间的差异，以此为损失函数反向优化生成器的权重参数，以此不断更新形状参数，当损失函数达到一定阈值时，将像素化图像进行平滑处理，并经过固定权重的预训练模拟器，即不通过数值仿真的情况下实现对网络准确性的评估与验证，采用逆向设计的方法，训练优化网络后获得其他结构参数以及自由形状结构的光学响应。2CN115857067A说明书1/4页一种逆向设计的超构表面器件及其制备、设计方法技