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！

龙图腾网获悉厦门大学申请的专利一种等效电路深度学习的等离激元超材料光谱预测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：CN116230133B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310047640.7，技术领域涉及：G16C60/00；该发明授权一种等效电路深度学习的等离激元超材料光谱预测方法是由朱锦锋;严一鸣;高源;陈威;李法君;申家情;黎宇洋设计研发完成，并于2023-01-31向国家知识产权局提交的专利申请。

本一种等效电路深度学习的等离激元超材料光谱预测方法在说明书摘要公布了：本申请公开了一种等效电路深度学习的等离激元超材料光谱预测方法和装置，采用严格耦合波分析法RCWA得到样本数据，将样本数据分为训练集和验证集分别用于神经网络的训练和测试，该方法的神经网络输入为等离激元超材料的结构参数，输出为等效电路参数，将其代入等效电路公式计算得到预测光谱。本发明在深度神经网络中融入等效电路知识，克服了传统数值模拟方法和等效电路设计方法的繁琐设计过程，极大节省超材料结构参数设计时间、等效电路建模时间和硬件成本，同时在小样本数据上实现等离激元超材料光谱的精准预测，对比相同条件下的传统深度神经网络，该方法有效提升光谱预测精度和神经网络泛化性能，易于推广到其它等离激元超材料模型中。

本发明授权一种等效电路深度学习的等离激元超材料光谱预测方法在权利要求书中公布了：1.一种等效电路深度学习的等离激元超材料光谱预测方法，其特征在于，包括以下步骤： S1：利用RCWA在给定等离激元超材料物理模型结构参数范围内计算生成数据样本，将数据样本分为训练集和验证集； S2：构建基于等效电路深度学习的神经网络模型； 所述神经网络模型中等效电路公式为： ； R、Le和Lm分别为金属层的等效电阻、动力学电感和法拉第电感，C为介质层产生的等效电容，A和B为动态的比例调节系数； 所述神经网络模型包括输入层、隐藏层、输出层； 输入层长度为2，即2个物理模型结构参数w和td，td为介质层厚度和w为宽度； 隐藏层由4个长度为500的全连接层构建而成，对输入层的物理模型结构参数进行非线性变换并提取特征； 输出层长度为5，即等效电路公式中的5个参数R、Le+Lm、C、A、B，其中Le与Lm之和视为一个参数； S3：将训练集输入至神经网络模型进行训练，利用验证集验证神经网络模型性能，采用训练集和验证集对所述神经网络模型进行训练和测试，得到训练完成的神经网络模型； S4：基于训练完成的神经网络模型预测等离激元超材料物理模型结构参数对应的吸收率光谱。

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厦门大学，其通讯地址为：361000 福建省厦门市思明区思明南路422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。