一种太赫兹电磁超材料多频吸波特性的分析设计方法

本发明属于多频段太赫兹电磁超材料吸波器分析设计领域，具体涉及一种基于深度学习和结构参数的太赫兹电磁超材料多频吸波特性的分析设计方法。

背景技术：

1、目前，太赫兹电磁超材料吸波器是一种重要的功能器件，能够对入射电磁波产生均匀吸收，在红外成像、滤波器、电磁隐身等领域都发挥着重要的作用。多频段太赫兹电磁超材料吸波器的出现解决了以往超材料吸波器吸收频带较窄的问题，但是其分析设计过程仍然存在效率低下的问题。目前，深度学习在信息技术领域取得了巨大的成功，在最近的研究中，深度学习方法也被用于电磁超材料的分析设计过程，这大大提高了电磁超材料功能器件的分析设计效率，使得这种方法在电磁超材料功能器件分析、设计和应用领域具有重要的应用价值。

2、中国专利cn115482893a涉及一种基于深度学习和结构变量的电磁超材料设计方法，其将电磁超材料正向预测数据集输入正向预测网络模型，将电磁超材料反向设计数据集输入反向设计网络模型，然后进行迭代循环训练，用于电磁超材料功能特性的正向预测和逆向设计。但是该专利所用数据的工作频率局限于微波频段，缺少太赫兹频段的研究结果，并且该专利缺少对于电磁超材料多频特性的分析设计工作的研究内容。

3、文献“gao f,zhang z,xu y,et al.deep-learning-assisted designing chiralterahertz metamaterials with asymmetric transmission properties[j].journal ofthe optical society of america b-optical physics,2022,39(6):1511-1519”公开了一种包括频谱网络(spectra network,sn)和扩展网络(extended network,en)相结合的深度神经网络模型，在太赫兹频段实现了手性电磁超材料非对称传输特性的分析与设计。但是该文献的工作集中在利用深度学习方法实现非对称传输特性的分析与设计，缺少对于吸波特性的研究，并且缺少对于电磁超材料多频特性的分析设计工作。

技术实现思路

1、要解决的技术问题

2、为解决太赫兹电磁超材料多频吸波特性缺少分析设计方法的问题,克服现有技术的不足之处，本发明提供了一种深度学习方法，结合数值仿真技术，用于太赫兹电磁超材料多频吸波特性的分析与设计过程。

3、技术方案

4、一种基于深度学习的太赫兹电磁超材料多频吸波特性的分析设计方法，方法核心在于数据集的构建和神经网络模型的搭建。根据具有多频吸波特性的电磁超材料的结构特点，构建出包含多频吸波信息的数据集。接着，针对电磁超材料吸波特性的相关性能参数分别构建出两个双向频谱神经网络sn-1与sn-2，分别用于实现正向预测和逆向设计过程。最后，利用训练好的神经网络模型，实现太赫兹电磁超材料多频吸波特性的按需逆向设计过程。

5、一种基于深度学习的太赫兹电磁超材料多频吸波特性的分析设计方法，包括以下步骤：

6、步骤1：建立太赫兹电磁超材料的结构原型以及参数化模型，通过迭代仿真计算，构建出包含太赫兹多频吸波特性信息的电磁超材料数据集。优选地，步骤如下：

7、步骤1.1：构建太赫兹电磁超材料的结构原型以及参数化模型，参数化模型中包含电磁超材料的尺寸参数信息。

8、步骤1.2：通过matlab和电磁仿真软件cst电磁仿真软件调用步骤1.1中的参数化模型进行仿真，计算出该模型对应的电磁响应。对于太赫兹电磁超材料的吸波特性，相关的电磁响应可以用反射率r、透射率t和吸波率a表示，在cst中，这三个参数可以用s参数表示，即r＝|s11|2、t＝|s21|2、a＝1-r-t＝1-|s11|2-|s21|2这里，规定电磁超材料吸波器的底部是一个完整的金属背板，使得透射系数s21＝0，吸波率与s参数的关系可以简化为与反射系数s11的关系，所以此处的电磁响应指反射系数s11和吸波率a。

9、步骤1.3：将步骤1.1中的尺寸参数信息和步骤1.2中的反射系数s11和吸波率a存入一个文本文件，即为一个样本。

10、步骤1.4：改变步骤1.1中的参数化模型中的尺寸参数信息，再进行仿真计算。不断重复这一过程，最终得到所有的电磁超材料样本，构建出整个的数据集。数据集中的样本包含了电磁超材料的尺寸参数、工作频率范围，反射系数s11和吸波率a。(特别说明的是，在改变参数化模型尺寸信息的过程中，电磁超材料的结构会由单一完整谐振结构逐渐变化为多个谐振结构的组合，这样，数据集中就包含了多频吸波特性的信息，以便神经网络能够学习)。

11、步骤2：将步骤1中构建的数据集，分割为80％的训练数据集和20％的测试数据集。

12、步骤3：针对步骤1中提到的反射系数s11和吸波率a，分别搭建两个双向频谱神经网络sn-1和sn-2，将训练数据集送入sn-1和sn-2中进行训练，训练完成后，通过测试数据集验证这两个神经网络模型的性能。最终经过验证，可证明sn-1建立了电磁超材料尺寸参数与反射系数s11之间的映射关系，sn-2建立了电磁超材料尺寸参数与吸波率a之间的映射关系。优选地，步骤如下：

13、步骤3.1：在sn-1和sn-2的正向路径中，6×1的尺寸参数将被转换成100×1的响应谱，这表示输入数据的维度远低于输出数据的维度，使得神经网络的收敛性充满了挑战，特别是当频谱曲线在谐振频率附近变化剧烈时，神经网络的性能更加难以预料。为了解决这一问题，采用两阶段策略构建了一个近似的输入-瓶颈-输出网络结构。具体来说：输入数据首先通过神经张量层进行升维，再通过全连接神经网络模块降维，形成瓶颈层，这一模块称为下采样模块。该模块训练完成后被冻结。数据流进入下一模块的张量维度重塑，转置卷积层和全连接层，数据流的维度逐渐增加，直到完成整个的回归过程，这个模块称为上采样模块。上采样模块训练完成后，将下采样和上采样这两个预训练模块作为sn-1与sn-2的整体正向路径进行合并训练，对正向预测神经网络进行微调。这种网络结构增加了正向路径的深度和训练权值，使神经网络易于收敛。其中，神经张量层的输出可以描述为：

14、输出向量＝激活函数(输入结构参数向量的转置×权重张量w×输入结构参数向量+权重矩阵v×输入结构参数向量+偏置向量b)

15、式中激活函数为整流线性单元(relu)激活函数的变体leaky relu；输入结构向量的维度为6×1；输出向量维度设定为50×1；权重张量w的维度为50×6×6,权重矩阵v的维度为50×6，偏置向量b的维度为50×1。步骤3.2：在sn-1与sn-2的逆向路径中，包括了三个卷积神经网络和一个全连接神经网络模块。由于逆向设计过程存在多组不同结构参数可能引起相同的响应谱的问题，因此单独的逆向神经网络很难收敛。所以，根据以往工作中的串联神经网络训练策略，以sn-1与sn-2中已经训练好的正向网络为辅助网络，参与逆向网络的训练。设定逆向网络的总体损失函数为正向网络损失与单独逆向网络损失的加权平均：

16、逆向网络总体损失＝均方误差损失函数[正向神经网络(逆向神经网络(输入频谱向量))]+惩罚系数×均方误差损失[逆向神经网络(输入频谱向量)]

17、式中均方误差损失函数表示的是真实值和神经网络预测值的差的平方的平均值。步骤4：将步骤2中分割好的训练数据集输入步骤3中构建好的sn-1和sn-2神经网络进行训练；利用步骤2中分割好的测试数据集测试sn-1和sn-2神经网络训练效果。训练完成后，从测试数据集中随机抽取两个样本，对sn-1和sn-2神经网络的正向路径和逆向路径的效果进行测试。

18、步骤5：利用多元高斯分布曲线，随机生成双峰、三峰、四峰类光谱曲线数据，将其作为需要设计的多峰吸波曲线。

19、步骤6：将步骤5随机生成的双峰、三峰、四峰类光谱曲线数据输入到步骤3中训练完成的sn-2神经网络的逆向路径中进行检索，进而得到结构的尺寸参数数据，并根据检索到的尺寸参数，在cst中重构相对应的太赫兹电磁超材料多频吸波结构并进行了仿真计算，得到这些结构对应的吸波率曲线图。根据结果可以证明，基于以上步骤构建的数据集和神经网络模型可以根据吸收峰数目需求，按需逆向设计出具有多频吸波特性的电磁超材料结构。

20、本发明还提供了利用上述基于深度学习和结构参数的太赫兹电磁超材料多频吸波特性的分析设计方法设计制作而成的具有多频吸波特性的太赫兹电磁超材料吸波器。

21、有益效果

22、本发明根据多频吸波电磁超材料的物理机制，提出一种参数化建模方法，用于生成包含多频吸波结构信息的电磁超材料样本，进而构建出整个的数据集。接着，本发明建立了一种深度学习模型，用于太赫兹电磁超材料多频吸波特性的分析与设计过程，该模型包括两个双向深度神经网络sn-1和sn-2，经过训练，sn-1成功建立了6个尺寸参数和反射系数s11之间的映射关系，sn-2成功建立了6个尺寸参数与吸波率a之间的映射关系，这两个神经网络的正向路径和逆向路径的损失函数均分别收敛到10-3和10-2数量级。并且，为了进一步评估深度神经网络模型的预测和设计能力，从测试数据集中随机选择两个样本，一方面，使用sn-1和sn-2进行正向预测，结果显示，对于反射系数s11，sn-1的预测曲线与cst计算的真实曲线吻合良好，对于吸波率a，sn-2的预测曲线与cst计算的真实曲线吻合良好，说明了sn-1和sn-2有着良好的预测能力；另一方面，使用sn-1和sn-2进行逆向设计，结果显示，sn-1和sn-2设计出的尺寸参数和真实尺寸参数的数值非常接近，重构出的电磁超材料结构图形状也十分吻合，说明了sn-1和sn-2有着良好逆向的设计能力。

23、本发明利用多元高斯分布曲线，随机生成双峰、三峰、四峰类光谱曲线数据，将其作为需要设计的多峰吸波曲线。接着，将随机生成的双峰、三峰、四峰类光谱曲线数据输入到sn-2神经网络的逆向路径中进行检索，进而得到结构的尺寸参数数据，并根据检索到的尺寸参数，在cst中重构了相对应的太赫兹电磁超材料多频吸波结构并进行了仿真计算，得到了这些结构对应的吸波率曲线图。结果显示，按照神经网络设计出的尺寸参数进行建模仿真的电磁超材料吸波器可以根据设计峰值数目的需求，在工作频段内分别设计出具有双频、三频、四频吸波特性的太赫兹电磁超材料吸波器。