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！

龙图腾网获悉南京大学申请的专利电磁编码超表面单元及其电磁行为的参数化建模方法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：CN114970835B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210751714.0，技术领域涉及：G06F30/27；该发明授权电磁编码超表面单元及其电磁行为的参数化建模方法是由王琼;陈玲玲;陈洵;柏业超;唐岚;张兴敢设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本电磁编码超表面单元及其电磁行为的参数化建模方法在说明书摘要公布了：本发明公开一种结合深度神经网络和极点留数传递函数的编码超材料电磁响应参数化建模方法，通过构建深度神经网络学习传递函数的极点留数和编码超材料几何结构之间的映射关系，实现对电磁响应的快速精确预测。根据该方法所构建的参数化模型，对测试集中超材料表面几何结构预测的极点留数参数值，通过传递函数生成的电磁响应S参数值与超材料电磁响应全波仿真结果高度拟合，精确性和实时性显著优于其他方法。

本发明授权电磁编码超表面单元及其电磁行为的参数化建模方法在权利要求书中公布了：1.一种电磁编码超表面单元电磁行为的参数化建模方法，该电磁编码超表面单元包括上层、中层和下层，其中上层为编码图案区域；上层的编码图案区域宽度为8mm，编码图案区域可划分为若干边长为0.5mm的随机生成且中心对称的16×16编码矩阵，矩阵中贴有金属铜贴片，金属铜贴片的电导率σ为5.8+007Sm，厚度t2＝0.017mm； 该电磁编码超表面单元的中层为介质基板，其材质为F4B；下层为全金属铜覆盖； 该电磁编码超表面单元电磁响应的幅值A和相位与电磁响应的实部Re和虚部Im存在以下对应关系： 其特征在于，方法包括如下步骤： S1、获取电磁响应参数及极点留数： 将编码超表面单元结构送入电磁仿真模拟软件中，批量化获取编码超表面对应的电磁响应参数，并将所有编码超表面及对应电磁响应数据导出；第m个编码超表面样本经过仿真模拟软件获得的电磁响应为Hms，从电磁响应中获得一组极点向量p′m和留数向量r′m； S2、构建数据集； 对获得的极点向量p′m与留数向量r′m进行数据处理，获得数据集，数据集表示为{Metam,Rem,Imm,pm,rm}；其中Metam为32×32的新编码矩阵，是将原16×16的编码矩阵进行横向和纵向复制扩充而来，用来表征第m个编码超表面的编码矩阵；令第m个编码超表面Metam对应的电磁响应Hms的实部向量为Rem，虚部向量为Imm；经过数据处理后，复数形式的极点向量pm与留数向量rm用其实部向量与虚部向量表示，则极点向量pm与留数向量rm最终表示为： 其中，m∈[1,N]，N为数据集样本数，将数据集分割80％作为训练集{Metam}train，20％作为测试集{Metam}test，数据集中的训练样本Metam为32×32编码矩阵，对应标签为1001维的实部向量Rem、1001维的虚部向量Imm、12维的极点向量pm和12维的留数向量rm； S3、构建极点网络PNet和留数网络RNet： 极点网络PNet和留数网络RNet输入均为表征编码超表面的编码矩阵Metam，两网络结构均采用ResNet18结构，优化器为Adam，PNet输出极点向量，RNet输出留数向量； 对编码超表面的电磁行为响应进行参数化建模，将从PNet与RNet网络结构中输出的极点向量和留数向量作为参数构建传递函数，即Transform层，计算出Metam对应的电磁响应Hms，并获取响应实部向量与响应虚部向量 S4、将训练集{Metam}train分别输入极点网络PNet和留数网络RNet进行多任务学习，具体方法包括： S41、极点网络PNet和留数网络RNet分别训练任务TP和TR： 向极点网络PNet中输入{Metam,pm}train数据集，令极点网络PNet以{pm}train为标签输出预测极点向量，记为任务TP；向留数网络RNet中输入{Metam,rm}train数据集，令留数网络RNet以{rm}train为标签输出预测留数向量，记为任务TR； 向极点网络PNet和留数网络RNet输入编码超表面结构设计Metam，m∈[1,N]，经过极点网络PNet输出预测极点向量留数网络RNet输出预测留数向量两网络以均方误差作为网络误差，任务TP和任务TR的损失函数分别为则 TP: TR: 均方误差的计算公式为： 其中，y为真实值，为预测值，M为维度，将极点网络PNet与留数网络RNet中网络权重、偏置加入参数集θ； 任务TP、TR训练目标记为： TP∶ TR∶ 为表征任务TP、TR的最终学习效果，采用归一化均方误差EP、ER表示： TP∶ TR∶ S42、极点网络PNet和留数网络RNet同时训练任务THs： 向极点网络PNet中输入{Metam,Rem,Imm}train数据集，令极点网络PNet以{Rem,Imm}train为标签输出预测极点向量向留数网络RNet中输入{Metam,Rem,Imm}train数据集，令留数网络RNet以{Rem,Imm}train为标签输出预测留数向量 每一轮训练结束后，同时加载两子网络，输出一组预测极点向量和留数向量然后将输入Transform层计算电磁响应Hms，获取电磁响应实部向量以及虚部向量反向传播至网络计算重构误差；将从两个子网络PNet、RNet中输出能够计算出正确电磁响应Hms的一组极点向量留数向量的任务记为THs，以均方误差作为网络误差，任务THs损失函数为则 THs: S43、通过后向传播算法更新极点网络PNet参数： 根据任务THs的损失函数更新计算极点网络PNet各变量参数；在经过任务TP的学习之后，极点网络PNet继续学习任务THs，网络权重、偏置更新可记为： THs∶ 根据求得极点网络各变量梯度，送入极点网络优化器，设置Adam优化器，通过反向传播算法更新极点网络参数； S44、通过后向传播算法更新留数网络RNet参数： 根据任务THs的损失函数更新计算留数网络RNet各变量参数；在经过任务TR的学习之后，留数网络RNet继续学习任务THs，网络权重、偏置更新可记为： THs: 根据求得留数网络各变量梯度，送入留数网络优化器，设置Adam优化器，通过反向传播算法更新留数网络参数； S45、循环迭代多个损失函数直至网络收敛： 在极点网络PNet中分别训练过一次TP、THs，并在留数网络RNet中分别训练过一次TR、THs，定义为网络训练过一个训练周期P；经过一个训练周期P后，极点网络PNet、留数网络RNet将再次更换训练集，分别学习任务TP、TR；此时极点网络PNet、留数网络RNet，网络权重、偏置更新分别可记为： TP∶ TR∶ 极点网络PNet根据求得极点网络各变量梯度，送入极点网络优化器，设置Adam优化器，通过反向传播算法更新极点网络参数；留数网络RNet根据求得留数网络各变量梯度，送入留数网络优化器，设置Adam优化器，通过反向传播算法更新留数网络参数； 整体网络训练以训练周期进行计数，对极点网络PNet和留数网络RNet训练多个训练周期后，极点网络PNet和留数网络RNet将收敛，收敛时，极点网络PNet输出预测极点向量留数网络RNet输出预测留数向量

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163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”。