一种基于物理-数据共驱深度神经网络CMT-NN的耦合系统参数预测方法

本发明涉及光学等技术领域，具体为一种基于物理‑数据共驱深度神经网络CMT‑NN的耦合系统参数预测方法。包含以下步骤：将双微环耦合系统在不同物理参数下的光学响应谱线作为CMT‑NN模型的输入，输出为耦合谐振系统的物理参数。构建训练好的CMT‑NN模型的具体内容包括：S1.构建目标耦合系统的物理模型；S2.构建CMT‑NN模型，将耦合模型的物理约束和物理参数同时纳入到CMT‑NN的损失函数中，通过迭代训练和反向传播，通过损失函数计算反向传播过程中的物理损失，若满足预设条件则训练完成，得到用于预测耦合谐振系统物理参数的CMT‑NN模型；S3.完成CMT‑NN模型的验证，得到训练好的CMT‑NN模型。