(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110408324.9 (22)申请日 2021.04.16 (65)同一申请的已公布的文献号 申请公布号 CN 113158563 A (43)申请公布日 2021.07.23 (73)专利权人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 张睿　詹涛　刘泉杉　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 黄卫萍 (51)Int.Cl. G06F 30/27(2020.01)(56)对比文件 CN 103487936 A,2014.01.01 CN 111145103 A,2020.0 5.12 CN 109447152 A,2019.0 3.08 CN 111126550 A,2020.0 5.08 US 2012293802 A1,2012.1 1.22 US 2015369976 A1,2015.12.24 李飞.基于蒙特卡罗模拟和人工神经算法的 伽马射线能谱数据处 理技术. 《中国博士学位 论 文全文数据库 工程科技 Ⅱ辑》 .2016,(第04期), 董现等.基 于改进混沌粒子 群的混合神经网 络和蒙特卡洛法的结构随机 灵敏度分析方法. 《工程力学》 .2015,(第12期), 审查员 陈雅 (54)发明名称 基于神经网络与蒙特卡洛的一维光子晶体 反向设计方法 (57)摘要 本发明涉及基于神经网络与蒙特卡洛的一 维光子晶体 反向设计方法， 包括以下步骤： S1、 构 造数据集， 并划分为训练集、 验证集和测试集； S2、 构造和训练神经网络， 根据训练集中的反射 谱图和对应的构造参数数据利用反向传播算法 进行神经网络参数的训练； S3、 将迭代反射谱图 输入神经网络， 获取构造参数， 再利用传输矩阵 法根据构造参数获取预测反射谱图； S4、 结合神 经网络、 蒙特卡洛移动和传输矩阵法进行迭代优 化， 获得反向设计结果。 本发明通过结合神经网 络和蒙特卡洛方法的迭代优化过程获取目标反 射谱图对应的构造参数， 实现从反射谱图到构造 参数的反向设计， 且该方法具有很好的精确性和 通用性。 权利要求书1页 说明书3页 附图4页 CN 113158563 B 2022.11.18 CN 113158563 B 1.基于神经网络与蒙特卡洛的一维光子晶体反向设计方法， 其特征在于， 包括以下步 骤： S1、 构造数据集， 并划分为训练集、 验证集和测试集； 数据集中每个数据样本包括构造 参数和对应的一 维数组表 示的反射谱图； 根据需要， 预设构 造参数的范围， 再从预设的构 造 参数空间中随机均匀选取构造参数组合， 根据构 造参数组合使用传输矩阵法计算指定波长 范围内的反射谱图， 并用一维数组表示反射谱图曲线上离 散的反射 率值； S2、 构造和训练神经网络， 根据步骤S1中的训练集中的反射谱图和对应的构造参数数 据对神经网络的参数利用反向传播 算法进行训练； S3、 将迭代反射谱图输入神经网络， 获取新的构造参数， 根据新的构造参数再利用传输 矩阵法获取对应的预测反射谱图； S4、 结合神经网络、 蒙特卡洛移动和传输矩阵法进行迭代优化， 获取优化后的构造参 数， 获得反向设计结果。 2.根据权利要求1所述的基于神经网络与蒙特卡洛的一维光子晶体反向设计方法， 其 特征在于， 步骤S2中通过训练集数据来学习神经网络的网络权重参数， 训练过程采用反向 传播算法， 利用验证集数据衡量神经网络训练完成结果， 用测试集数据获取训练完成的神 经网络反向预测的效果。 3.根据权利要求1所述的基于神经网络与蒙特卡洛的一维光子晶体反向设计方法， 其 特征在于， 步骤S3中预测反射谱图的获取 过程如下式子表示： 其中， 和S分别代表预测反射谱图和迭代反射谱图， D表示神经网络， M表示传输矩阵 法。 4.根据权利要求1所述的基于神经网络与蒙特卡洛的一维光子晶体反向设计方法， 其 特征在于， 步骤S4的迭代优化过程如下： S41、 通过神经网络预测第i个迭代反射谱图对应的迭代构造参数， 再用传输矩阵法计 算迭代构造参数 得到对应的第i个预测反射谱图； S42、 计算预测反射谱图与目标反射谱图之间的反射 率均方误差 MSE； S43、 对迭代反射谱图进行蒙特卡洛移动， 得到第i+1个迭代反射谱图； S44、 重复步骤S41～S42的操作得到新的反射率均方误差MSE， 若新的反射率均方误差 MSE没有上升， 则继续迭代直到反射率均方误差不再下降； 否则重新对第i个迭代反射谱图 进行蒙特卡洛移动。 5.根据权利要求4所述的基于神经网络与蒙特卡洛的一维光子晶体反向设计方法， 其 特征在于， 步骤S42中反射 率均方误差 MSE如下所示： 其中， 是预测反射谱图在点i处的反射率值， yi是目标反射谱图在点i处的反射率值， n 是用来表示反射谱图一维数组的元 素个数， i表示反射谱图的一维数组中的第i个位置 。 6.根据权利要求1所述的基于神经网络与蒙特卡洛的一维光子晶体反向设计方法， 其 特征在于， 步骤S1～S4 通过多种编程语言实现， 包括Pytho n、 C++、 Java、 Matlab。权　利　要　求　书 1/1 页 2 CN 113158563 B 2基于神经 网络与蒙特卡洛的一维光子晶体反向设计方 法 技术领域 [0001]本发明涉及 光子晶体设计技术领域， 尤其涉及基于神经网络与蒙特卡洛的一维光 子晶体反向设计方法。 背景技术 [0002]光子晶体是具有周期性的光学结构， 由于其独特的性质， 除了传统上作为光通信 组件外， 光子晶体还应用到 了能源、 光伏电池、 传感器、 全彩显示 等多个领域。 [0003]根据光子 晶体的结构， 可以将其分为一维光子 晶体、 二维光子 晶体和三维光子晶 体， 分类的依据是光子晶体介电常数在 几个方向上进行周期性变化。 一维光子晶体是介电 常数只在一个方向上周期性变化， 在其他两个方向上均匀。 一维光子晶体构造简单且制作 方便， 适用于实际生产和应用。 [0004]现有的一维光子晶体的设计主要依赖于物理启发和人类的经验规律， 设计方式也 只是基于正向计算， 即从构 造参数到 反射谱图， 常见的正向计算方法包括传输矩阵法、 平 面 波展开法和时域有限差 分法。 而这些方法需要人工不断地尝试不同的构造参数组合以寻找 符合需要的构 造参数， 效率相对较低。 现有的方法还可能因为设计者自身的认知局限， 导致 存在设计上 的思维盲点。 因此， 需要一种 更高效通用的设计方法来满足快速且准确设计的 需要。 发明内容 [0005]为解决现有技术所存在的技术问题， 本发明提供基于神经网络与蒙特卡洛的一维 光子晶体反向设计方法， 通过神经网络与蒙特卡洛方法， 实现从反射谱图到构造参数 的反 向设计。 [0006]本发明采用以下技术方案来实现： 基于神经网络与蒙特卡洛的一维光子晶体反向 设计方法， 包括以下步骤： [0007]S1、 构造数据集， 并划分为训练集、 验证集和测 试集； 数据集中每个数据样本包括 构造参数和对应的一维数组表示的反射谱图； 根据需要， 预设构造参数的范围， 再从预设的 构造参数空间中随机均匀选取构造参数组合， 根据构 造参数组合使用传输矩阵法计算指定 波长范围内的反射谱图， 并用一维数组表示反射谱图曲线上离 散的反射 率值； [0008]S2、 构造和训练神经网络， 根据步骤S1中的训练集中的反射谱图和对应的构造参 数数据对神经网络的参数利用反向传播 算法进行训练； [0009]S3、 将迭代 反射谱图输入神经 网络， 获取新的构造参数， 根据新的构造参数再利用 传输矩阵法获取对应的预测反射谱图； [0010]S4、 结合神经网络、 蒙特卡洛移动和传输矩阵法进行迭代优化， 获取优化后的构造 参数， 获得反向设计结果。 [0011]本发明与现有技 术相比， 具有如下优点和有益效果： [0012]1、 本发明通过结合神经网络和蒙特卡洛方法的迭代优化过程获取目标反射谱图说　明　书 1/3 页 3 CN 113158563 B 3