买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于光谱感知改进的共振超表面设计方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120030900B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510136558.0，技术领域涉及：G06F30/27；该发明授权基于光谱感知改进的共振超表面设计方法和装置是由邢中阳;廖佳慧;王浩乾;程湘爱;许中杰;张江彬设计研发完成，并于2025-02-07向国家知识产权局提交的专利申请。

本基于光谱感知改进的共振超表面设计方法和装置在说明书摘要公布了：为了解决现有技术中存在的设计耗时长、效率低、计算成本高、以及信息丢失导致预测精度不够的问题，本发明提供一种基于光谱感知改进的共振超表面设计方法和装置。所述方法包括：设计一个基于光谱感知改进的GLSAT前向预测网络；对GLSAT前向预测网络进行训练与优化；设计一个DNN逆向设计网络；将所述DNN逆向设计网络与训练好的GLSAT前向预测网络进行级联，得到级联逆向设计网络；利用GSSG对理想光谱进行预处理后，输入级联逆向设计网络，对DNN进行训练与优化；利用优化后的DNN逆向设计网络完成共振超表面的设计。本发明的所述方法在提升设计预测精度的同时，还具有耗时短、效率高、计算成本低的特点。

本发明授权基于光谱感知改进的共振超表面设计方法和装置在权利要求书中公布了：1.一种基于光谱感知改进的共振超表面设计方法，其特征在于，所述方法包括如下步骤： Step110：设计一个GLSAT前向预测网络，用于实现从共振超表面结构参数到理想光谱的前向预测，获得预测光谱；所述GLSAT前向预测网络的设计基于光谱感知改进的多头注意力机制；所述GLSAT前向预测网络包括进行维度扩展的FCL模块，以及用于对高维的光谱进行特征分解和提取的双Transformer模块； 所述FCL模块包含多个具有全连接层结构的残差模块，用于实现三个阶段的维度扩展，所述全连接层结构包含多个线性层；所述残差模块包括至少三种类型：第一残差模块，第二残差模块和第三残差模块；任一种残差模块的每一个线性层之后都衔接激活函数LeakyReLU，用于引入非线性因素，缓解梯度消失，其负斜率取； 所述双Transformer模块用于提取高维的光谱数据的全局特征和局部特征，并通过多头注意力机制将全部特征进行提取；所述双Transformer模块包括用于全局感知的GPT模块和用于局部感知的LPT模块；所述多头注意力机制，包括用于GPT模块提取全局特征以实现光谱片段交互多头注意力分析的交叉注意力机制，以及用于LPT模块提取局部特征以实现光谱片段内联多头注意力分析的自注意力机制； Step120：依据实现理想光谱响应的预测设计需求，选取共振超表面结构参数的数据集，对所述GLSAT前向预测网络进行训练与优化，获得训练好的GLSAT前向预测网络； Step130：设计一个DNN逆向设计网络，用于实现满足理想光谱响应的共振超表面结构参数的设计；所述DNN逆向设计网络基于深度神经网络进行设计算法实现；所述DNN逆向设计网络的输入层包含光谱数据，由个光谱点构成，输出层生成一个向量，存放共振超表面结构参数的对应数据；所述深度神经网络由三个连续具有全连接层结构的全连接隐藏层组成，所述三个全连接隐藏层分别包含、和个神经元；其中，表示共振超表面结构参数的个数，代表光谱维度； Step140：将所述DNN逆向设计网络与所述训练好的GLSAT前向预测网络进行级联，构建从理想光谱到共振超表面结构参数的级联逆向设计网络；所述级联逆向设计网络包括对理想光谱进行预处理的高斯线型光谱生成器，DNN逆向设计网以及训练好的GLSAT前向预测网络； Step150：将作为训练集的理想光谱输入到所述级联逆向设计网络，对所述DNN逆向设计网络进行训练与优化，直到获得满足设计精度要求的级联逆向设计网络； Step160：将一组基于现实设计需求的理想光谱输入满足设计精度要求的所述级联逆向设计网络，利用所述级联逆向设计网络中的DNN逆向设计网络，生成满足所述理想光谱响应的共振超表面结构参数，完成共振超表面的设计。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。