[发明专利]黑磷吸波体设计方法及系统

说明书

本发明实施例提供一种黑磷吸波体设计方法及系统，属于光学器件逆设计技术领域。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；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。本发明方案在预构建的专用残差神经网络中进行预测模型构建，然后基于该预测模型进行符合用户需求的黑磷吸波体结构参数预测，极大提高了黑磷吸波体结构参数预测的准确性。

技术领域

本发明涉及光学器件逆设计技术领域，具体地涉及一种黑磷吸波体设计方法及一种黑磷吸波体设计系统。

背景技术

基于黑磷的材料特性，黑磷是吸波体基材的理想材料，黑磷与氮化硅交替层叠形成的吸波体在实际测量和构造应用中均十分广泛。但是因为黑磷具有各向异性，TE极化的吸收光谱和TM极化的吸收光谱存在明显的差异，即不同方向极化的吸收光谱存在明显的差异。所以，想要根据需求进行结构参数预测，其难度是非常大的。现有进行黑磷吸波体的结构参数预测的方法，均存在预测精度低和效率低的问题。基于此，尚需一种能够解决上述问题的黑磷吸波体设计方法。

发明内容

本发明实施方式的目的是提供一种黑磷吸波体设计方法及系统，以至少解决现有黑磷吸波体的结构参数预测方法所存在的预测精度低和效率低的问题。

为了实现上述目的，本发明第一方面提供一种黑磷吸波体设计方法，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；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。

可选的，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。

可选的，所述黑磷吸波体包括：交替层铺的无限宽黑磷层和氮化硅层。

可选的，所述预设的黑磷吸波体的结构参数包括：所述黑磷层的厚度；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：所述氮化硅层的厚度；其中，每一氮化硅层的厚度相同或不同。

可选的，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。

可选的，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。

可选的，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，M_j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，N_j为复合折射率；d_j为单层材料厚度；为入射光的角度；为入射光波长；n_j为入射光导纳。