[发明专利]黑磷吸波体设计方法及系统

权利要求书

1.一种黑磷吸波体设计方法，其特征在于，所述方法包括：根据预设的模拟场景和预设的黑磷吸波体的结构参数，在预构建的专用残差神经网络中获得目标吸收光谱训练样本；其中，所述预设的黑鳞吸波体包括交替层铺的无限宽黑鳞层和氮化硅层；利用所述训练样本获得预测模型；获取需求吸收光谱，利用所述预测模型对所述需求吸收光谱进行训练，输出黑磷吸波体的目标结构参数；基于所述目标结构参数进行黑磷吸波体设计。

2.根据权利要求1所述的方法，其特征在于，所述模拟场景包括：模拟入射光的入射角、波长和倾斜光导纳。

3.根据权利要求1所述的方法，其特征在于，所述预设的黑磷吸波体的结构参数包括：黑磷层的厚度；其中，每一黑磷层的厚度相同且为预设的固定值；所述黑磷吸波体的目标结构参数包括：氮化硅层的厚度；其中，每一氮化硅层的厚度相同或不同。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

预构建专用残差神经网络，包括：在传统残差神经网络的每一隐藏层前加入一个BN层；各BN层通过归一化处理进行对应隐藏层的标准化；其中，BN层的归一化输出为：

其中，和为自适应参数，i为BN层的第i个神经元；为神经元i当前输入批次样本的均值；为神经元i当前输入批次样本的方差；为神经元i的响应。

5.根据权利要求1所述的方法，其特征在于，所述在预构建的专用残差神经网络中获得目标吸收光谱训练样本，包括：将多个黑磷吸波体的预设结构参数，基于相同的模拟场景，分别通过预设特征矩阵算法，获得每个预设结构参数下的吸收光谱样本；其中，所述吸收光谱样本处于远红外波段；整合所有预设结构参数的吸收光谱样本，形成目标吸收光谱训练样本数据。

6.根据权利要求5所述的方法，其特征在于，所述通过预设特征矩阵算法获得每个预设结构参数下的吸收光谱样本中：所述吸收光谱样本的计算式为：

其中，X，Y为第一个神经网络层到空气的光学导纳，表达式为Z=X/Y；所述预设特征矩阵算法为：

其中，为第j层的特征矩阵；

为入射光的相位因子，其表达式为：

其中，为复合折射率；为单层材料厚度；为入射光的角度；为入射光波长；为入射光导纳。

7.根据权利要求6所述的方法，其特征在于，所述目标吸收光谱训练样本包括：训练集和测试集；所述训练集用于预测模型训练；所述测试集用于预测模型测试。

8.根据权利要求7所述的方法，其特征在于，所述利用所述训练样本获得预测模型，包括：将所述训练集作为训练数据进行模型训练，获得初始预测模型；将所述测试集作为测试数据进行初始预测模型测试，判断初始预测模型性能是否符合预期，在性能符合预期的条件下输出预测模型。

9.根据权利要求3所述的方法，其特征在于，所述获取需求吸收光谱，利用所述预测模型对所述需求吸收光谱进行训练，输出黑磷吸波体的目标结构参数，包括：获取用户输入的需求吸收光谱；将所述需求吸收光谱作为输入数据，进行所述预测模型训练，将输出的每一氮化硅层的厚度参数整合作为黑磷吸波体的目标结构参数。

10.一种黑磷吸波体设计系统，其特征在于，所述系统包括：预设单元，用于模拟场景预设和黑磷吸波体的结构参数预设；处理单元，用于：根据预设的模拟场景和预设的黑磷吸波体的结构参数，在预构建的专用残差神经网络中获得目标吸收光谱训练样本；以及利用所述训练样本获得预测模型；其中，所述预设的黑鳞吸波体包括交替层铺的无限宽黑鳞层和氮化硅层；采集单元，用于获取需求吸收光谱；训练单元，用于利用所述预测模型对所述需求吸收光谱进行训练，输出黑磷吸波体的目标结构参数；执行单元，用于基于所述目标结构参数进行黑磷吸波体设计。

11.一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行权利要求1-9中任一项权利要求所述的黑磷吸波体设计方法。