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！

龙图腾网获悉电子科技大学申请的专利一种太阳能热辐射选择性吸收材料的设计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：CN116936007B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310981567.0，技术领域涉及：G16C60/00；该发明授权一种太阳能热辐射选择性吸收材料的设计方法是由张丽;马文壮;殷举航;涂春芝;夏云龙;慎戈斐;周桐;周佩珩;邓龙江设计研发完成，并于2023-08-07向国家知识产权局提交的专利申请。

本一种太阳能热辐射选择性吸收材料的设计方法在说明书摘要公布了：本发明涉及太阳能热辐射选择性吸收材料领域，具体涉及一种太阳能热辐射选择性吸收材料的设计方法。本发明充分考虑了太阳能热辐射选择性吸收材料设计过程中复杂的材料结构参数与光谱响应之间的关系，通过构建多目标双重退火算法，并辅以深度学习网络加速，消除了迭代和耗时计算，多目标和全局、局域双重退火的结合大大加快了设计过程，极大节省了微纳光子结构参数设计时间和硬件成本；该设计方法还提供了各种候选材料，使得可以选择适合的材料和每层的厚度，以满足所需的光学要求。最终本发明有效解决了当前太阳能热辐射选择性吸收材料设计过程中存在的设计时间成本较高、高维设计适用性低、多目标设计效果差等问题。

本发明授权一种太阳能热辐射选择性吸收材料的设计方法在权利要求书中公布了：1.一种太阳能热辐射选择性吸收材料设计方法，其特征在于，包括以下步骤： S1：利用有限时域差分法FDTD在给定的结构参数范围内，对用于太阳能热辐射选择性吸收的微纳光子结构的物理模型进行计算以生成数据样本，数据样本为所述物理模型在太阳能辐射光谱范围到红外区域0.3-25微米的吸收率光谱，将数据样本随机划分为训练集和测试集； 所述微纳光子结构的物理模型为金属-介质材料堆叠的多层薄膜结构、光栅二维结构或三维结构，相应的结构参数包括微纳光子结构的材料组成，以及对应的结构尺寸参数； S2：构建用来加速多目标双重退火算法的深度学习网络，深度学习网络的模型包括输入层、隐藏层和输出层； 输入层长度为S1中所述微纳光子结构的结构参数种类n，隐藏层由m个全连接层构建而成，对输入层的微纳光子结构的结构参数进行非线性变换并提取拟合特征； 输出层长度为2501，对应太阳能辐射光谱范围到红外区域的2501个吸收率光谱点； 初始化构建的深度学习网络的结构参数，包括设置批量尺寸batchsize、总学习次数epoch和初始学习率，采用Nadam作为梯度下降优化器，采用均方误差MSE作为损失函数，采用Swish函数作为深度学习网络的激活函数； S3：将S1得到的训练集作为输入层输入至S2构建的深度学习网络进行训练，并利用S1得到的测试集验证深度学习网络的准确率性能，得到训练完成的深度学习网络； S4：将全局搜索算法和局部搜索算法相结合，构建多目标双重退火算法； 多目标双重退火算法的设计逻辑为： 即在满足FOM2的约束条件FOM2≤0.1的同时，最大化FOM1；FOM1和FOM2分别为： 式中IAM1.5λ表示波长为λ时太阳能热辐射的法向辐射度，αλ和ελ分别表示太阳能热辐射选择性吸收材料在太阳辐射光谱范围和红外区域的法向吸收率，dλ表示对波长求积分； S5：将S3训练完成的深度学习网络与S4的多目标双重退火算法结合，以深度学习网络加速多目标双重退火算法的计算，具体为：用S3训练完成的深度学习网络代替S4多目标双重退火算法中的FDTD计算部分；将多目标双重退火算法中的参数解输入训练完成的深度学习网络并输出相应的吸收率光谱，根据吸收率光谱计算多目标双重退火算法中使用的FOM1和FOM2。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。