江苏大学学报(自然科学版)

作者：富小鸥,王原丽,杜庆国,付琴

单位：武汉理工大学 信息工程学院， 湖北 武汉 430070

关键词： 超表面, 微纳结构设计, Fano共振, 深度学习, 卷积神经网络, 优化算法

基金：国家自然科学基金资助项目（62075173）

为了解决传统光学结构设计需要大量的建模计算和仿真优化时间的问题，提出了基于卷积神经网络和遗传算法相结合的窄线宽光谱结构参数优化方法.以Y形全介质超表面结构为试验对象，利用时域有限差分方法仿真生成4 096组数据集，构建并训练正向预测网络；进一步将训练好的网络与遗传算法相结合，实现超表面结构参数优化.仿真结果表明：训练好的预测网络在测试集上的损失值仅为5.6×10-4，且结合优化算法寻优得到的结果比原始数据集中最小半高全宽减小了0.040 nm.新方法相较于传统方法提升了复杂超表面结构的优化效率和效果.

来源：2025年第4期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2025年第4期