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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于改进生成对抗网络的超表面单元结构逆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：CN115169235B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202210839542.2，技术领域涉及：G06F30/27；该发明授权一种基于改进生成对抗网络的超表面单元结构逆设计方法是由王赫岩;陆振刚;邱煜焜;刘云菲;谭久彬设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本一种基于改进生成对抗网络的超表面单元结构逆设计方法在说明书摘要公布了：一种基于改进生成对抗网络的超表面单元结构逆设计方法，属于电磁超表面设计领域。该方法包括：根据超表面单元结构以及其所对应的电磁响应、其所属类别搭建超表面数据集；将数据集分组输入生成器模型G和鉴别器模型D进行模型的训练；对于训练完毕的算法模型，电磁响应和正态高斯噪声作为输入，超表面单元结构作为输出。该超表面单元结构逆设计方法可以直接通过电磁响应得到符合电磁响应的超表面单元结构，减少了设计工程师所需相关专业知识和设计超表面单元结构的试错时间，大幅度提升了设计效率。进一步，通过改变高斯噪声的分布可以得到不同的超表面单元结构，提升了生成结构的多样性，工程师可以在多种超表面单元结构中进行选择。

本发明授权一种基于改进生成对抗网络的超表面单元结构逆设计方法在权利要求书中公布了：1.一种基于改进生成对抗网络的超表面单元结构逆设计方法，其特征在于，所述方法包括： 改进生成对抗网络架构，搭建鉴别器模型D，生成器模型G以及训练数据集； 取出数据集中的数据，组合后输入鉴别器模型D和生成器模型G，对抗训练鉴别器模型D和生成器模型G，其训练流程为： Ⅰ、从训练集中取出一组数据； Ⅱ、将这组数据中的电磁响应、真实类别和m维随机高斯噪声进行拼接，20≤m≤50；Ⅲ、将步骤Ⅱ拼接之后的数据输入生成器模型G，生成器模型G经过x次双通道卷积和k次上采样，得到虚假的超表面单元结构，其中x与k的值取决于所需超表面单元结构的尺寸； Ⅳ、将真实的超表面单元结构、虚假的超表面单元结构与电磁响应拼接，输入鉴别器模型D，鉴别器模型D得到两组输出后，分别取得两组输出的分类损失和Wasserstein距离，并更新鉴别器模型D参数； Ⅴ、将步骤Ⅳ拼接之后的数据输入生成器模型G，生成器模型G经过x次双通道的卷积和k次上采样，得到新的虚假的超表面单元结构，其中x与k的值取决于所需超表面单元结构的尺寸； Ⅵ、将虚假的超表面单元结构与电磁响应拼接，输入进鉴别器模型D，取得输出的分类损失和Wasserstein距离，并更新生成器模型G参数； Ⅶ、多轮训练之后，生成器模型G和鉴别器模型D的Wasserstein距离会趋于稳定，分类损失会趋于0，此时模型训练完毕； 输入需求的电磁响应至训练完毕的生成器模型G进行超表面单元结构的逆向设计，得到多组符合要求的超表面单元结构；生成器模型G与鉴别器模型D内部采用的是双通道卷积网络，具体包括带上采样的双通道卷积网络和带下采样的双通道卷积网络；其中，一个通道为输入输出的残差拼接，另一个通道为输入输出的通道拼接，并在其中添加了自注意力机制使得网络能够获得超表面整体的信息。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。