[发明专利]一种基于深度学习来设计红外相变材料的方法

权利要求书

1.一种基于深度学习来设计红外相变材料的方法，其特征在于：包括以下步骤：

步骤a、确定内层材料和外层材料的种类，以及确定内层和外层的层数及其厚度范围；

步骤b、利用米氏散射的传递矩阵算法分别制作不同材料组合对应的数据集，每组材料组合的每层厚度随机分布；

步骤c、确定DNN网络超参数，基于GPU对数据集进行DNN网络训练；

步骤d、根据分类结果中光谱的响应特征，确定合适的材料进行下一步设计；

步骤e、训练优化合适材料对应的子网络，根据子网络设计结构参数；

步骤f、得到材料和结构的具体参数。

2.根据权利要求1所述的一种基于深度学习来设计红外相变材料的方法，其特征在于：步骤a中，内外层材料结构选择2层、4层或者6层的结构，每层厚度定义在30～200nm。

3.根据权利要求1所述的一种基于深度学习来设计红外相变材料的方法，其特征在于：步骤b中，选择外层相变材料低温和高温下的两种介电常数作为数据集数据。

4.根据权利要求1所述的一种基于深度学习来设计红外相变材料的方法，其特征在于：步骤c中，DNN网络输入层是光谱的离散值点，波段是1000-3000nm的红外波段，每5nm作为一个间隔，一共有401个离散点，输出的分类层分别代表不同的内层材料。

5.根据权利要求1所述的一种基于深度学习来设计红外相变材料的方法，其特征在于：步骤d中，首先预训练光谱响应作为输入且材料作为输出的分类网络，输出层采用独热编码的形式，然后在得到网络之后，在输入层加入目标光谱响应，在输出层得到一种经网络筛选后最合适的金属层材料。

6.根据权利要求1所述的一种基于深度学习来设计红外相变材料的方法，其特征在于：步骤e中，子网络输入是光谱Y₀，输出则是每一层的厚度值，过最终网络预测出的结构结果带入正向网络中得到正确的预测光谱Y₁，再把均方差公式得到Y₁与Y₀的loss值，判断具体几层的结构参数能得到更小的loss。