基于物理信息表征的编码超单元参数化建模方法
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
基于物理信息表征的编码超单元参数化建模方法
申请号:
CN202411573261
申请日期:
2024-11-06
公开号:
CN119742010B
公开日期:
2025-12-09
类型:
发明专利
摘要
本发明公开一种基于物理信息表征的编码超单元参数化建模方法,通过构建物理信息的深度神经网络学习传递函数的极点留数与编码超表面结构的对应关系,实现电磁响应的准确预测。仿真结果表明,使用该方法对测试集中的随机超表面预测的电磁响应参数曲线与超单元全波仿真结果高度拟合,且预测的趋势项子电磁响应曲线与其形状高度相似,验证了所提方法的有效性和可靠性。
技术关键词
编码超表面
参数化建模方法
样本
深度神经网络学习
多任务联合学习
编码图案区域
多任务联合训练
电磁响应曲线
中心对称
物理
电磁仿真
金属背板
训练集
数据冗余