本发明涉及光电材料设计和深度学习领域,尤其涉及一种超表面汇聚透镜的设计方法及装置。
背景技术:
1、传统的汇聚透镜的成像,依赖于其厚度、形状、材料的折射率等因素控制焦点的位置,所以要实现目标的焦距厚度则难以做薄,难以小型化。随着超表面技术的出现,汇聚透镜的小型化取得了新的进展,超表面构成的汇聚透镜通过其表面上周期性或准周期性排列的亚波长散射体调节光路,实现了汇聚透镜的小型化。
2、在形成本发明的过程,发明人发现现有的超表面汇聚透镜的设计方法存在如下问题:
3、现有的超表面汇聚透镜的设计方法或者通过人工优化设计效率低,或者通过神经网络训练模型的方式一方面针对千万级的基元的数据量需要消耗大量的时间的计算资源,另一方面容易引入离散化误差以及陷入局部最优解而导致设计结果不够理想。
4、所以,目前的设计方法还无法满足超表面汇聚透镜的需求,制约了超表面汇聚透镜的发展。
技术实现思路
1、为解决上述的现有技术问题中的至少其一,本发明的目的在于提供一种资源消耗相对较少、且避免陷入局部最优的超表面汇聚透镜的设计方法及装置。
2、为实现上述发明目的,本发明一实施方式提供一种超表面汇聚透镜的设计方法,包括如下步骤:
3、基于所述超表面汇聚透镜的预设参数,生成初始种群,通过遗传算法迭代所述初始种群,生成若干组遗传基元参数;
4、基于所述超表面汇聚透镜的预设参数,生成物理先验基元参数;
5、根据所述若干组遗传基元参数和所述物理先验基元参数,确定融合基元参数,其中,所述融合基元参数用于构建所述超表面汇聚透镜。
6、作为本发明的进一步改进,所述超表面汇聚透镜的预设参数包括基元带的基元带参数,所述基元带包括呈线性排布的多个所述基元,所述基元带过所述超表面汇聚透镜的圆心,所述若干组遗传基元参数、所述物理先验基元参数和所述融合基元参数均是所述基元带上的基元参数;
7、所述步骤基于所述超表面汇聚透镜的预设参数,生成初始种群包括:
8、基于预设编码方法,随机生成与所述基元带对应的所述初始种群,其中,所述预设编码方法建立基元尺寸参数与编码的对应关系,所述初始种群的每组候选解包括所述基元带上每个基元的尺寸编码。
9、作为本发明的进一步改进,所述步骤生成初始种群包括:
10、随机生成多组所述初始种群,其中,每组所述初始种群包括多组初始候选解,每组初始候选解对应一组基元参数;
11、所述步骤通过遗传算法迭代所述初始种群,生成若干组遗传基元参数包括:
12、基于种群中每个候选解的适应度值和遗传算子,迭代所述初始种群,直至满足预设终止条件,得到若干组迭代种群;
13、通过比较各组所述迭代种群的种群适应度值的大小,确定优选种群,其中,所述优选种群包括多组优选候选解,每组所述优选候选解对应一组所述遗传基元参数。
14、作为本发明的进一步改进,所述适应度值的计算方法包括步骤:
15、根据与候选解对应的超表面汇聚透镜的汇聚效率,确定该候选解的所述适应度值;
16、所述种群适应度值的计算方法包括步骤:
17、计算种群中全部候选解的适应度值的平均值,所述平均值为该种群的种群适应度值;
18、所述预设终止条件为所述种群适应度值不小于预期阈值,或迭代次数达到第一次数阈值;
19、所述步骤通过比较各组所述迭代种群的种群适应度值的大小,确定优选种群包括:
20、将全部所述迭代种群中种群适应度值最大的种群,确定为所述优选种群。
21、作为本发明的进一步改进,所述遗传算子包括选择算子、交叉算子和变异算子中的一个或多个;
22、所述步骤基于种群中每个候选解的适应度值和遗传算子,迭代所述初始种群包括:
23、当所述遗传算子为选择算子时,选择当前种群中的若干组适应度值符合第二预设阈值的候选解,作为更新后的种群的候选解;
24、当所述遗传算子为交叉算子时,将当前种群中的至少两组候选解交叉产生新的候选解,将新的候选解中适应度值符合第三预设阈值的候选解,作为更新后的种群的候选解;
25、当所述遗传算子为变异算子时,将当前种群中的若干组候选解变异产生新的候选解,将新的候选解中适应度值符合第四预设阈值的候选解,作为更新后的种群的候选解。
26、作为本发明的进一步改进,所述预设参数包括所述超表面汇聚透镜的目标焦距和入射光的波长;
27、所述步骤基于所述超表面汇聚透镜的预设参数,生成物理先验基元参数包括:
28、基于所述目标焦距和所述入射光的波长,通过局域周期性近似算法计算所述超表面汇聚透镜的初始相位参数;
29、根据所述基元的相位参数,确定基元的尺寸参数;
30、根据所述基元的尺寸参数和所述基元带参数,生成与所述基元带对应的物理先验基元参数。
31、作为本发明的进一步改进,所述遗传基元参数存在多组;
32、所述步骤根据所述若干组遗传基元参数和所述物理先验基元参数,确定融合基元参数包括:
33、将所述物理先验基元参数分别与每组所述遗传基元参数融合,得到多组预融合基元参数,其中,每组预融合基元参数对应的超表面汇聚透镜的汇聚效率满足目标汇聚效率;
34、将所述汇聚效率最高的一组预融合基元参数作为所述融合基元参数。
35、作为本发明的进一步改进,所述步骤将所述物理先验基元参数分别与每组所述遗传基元参数融合,得到多组预融合基元参数包括:
36、根据融合公式r=a*r1+b*r2,将所述物理先验基元参数分别与每组所述遗传基元参数融合,得到多组预融合基元参数,其中,融合公式为:r=a*r1+b*r2,r是预融合基元参数,r1是所述物理先验基元参数,r2是所述遗传基元参数,a是第一加权系数矩阵,b是第二加权系数矩阵,a和b的对应位置的元素之和均等于1;
37、分别更新每组所述遗传基元参数对应的所述第一加权系数矩阵a和/或所述第二加权系数矩阵b,直至达到第二终止条件;
38、基于达到第二终止条件的所述第一加权系数矩阵a和所述第二加权系数矩阵b,计算更新后的预融合基元参数。
39、作为本发明的进一步改进,还包括步骤:
40、通过神经网络分别更新每组所述遗传基元参数对应的所述第一加权系数矩阵a和/或所述第二加权系数矩阵b,所述神经网络的损失函数根据所述预融合基元参数对应的超表面汇聚透镜的汇聚效率与所述目标汇聚效率的差异计算;
41、所述第二终止条件包括每组所述预融合基元参数对应的超表面汇聚透镜的汇聚效率收敛至所述目标汇聚效率、或所述神经网络的更新次数达到第二次数阈值。
42、作为本发明的进一步改进,所述超表面汇聚透镜的预设参数包括所述超表面汇聚透镜的基元的排布参数;
43、所述设计方法还包括步骤:
44、根据所述排布参数,确定所述超表面汇聚透镜上每个基元中心的位置;
45、根据所述基元中心到所述超表面汇聚透镜的圆心的距离和所述融合基元参数,确定所述基元带上与每个基元中心对应的等效基元参数,其中,等效基元的中心到所述圆心的距离与对应基元中心到所述圆心的距离相同;
46、根据所述融合基元参数或所述等效基元,确定每个基元中心对应的基元的尺寸参数;
47、结合所述排布参数和每个基元的尺寸参数,生成超表面汇聚透镜的设计参数。
48、为实现上述发明目的之一,本发明一实施例提供了一种超表面汇聚透镜的设计装置,包括:
49、遗传算法模块,用于基于所述超表面汇聚透镜的预设参数,生成初始种群,通过遗传算法迭代所述初始种群,生成若干组遗传基元参数;
50、物理先验模块,用于基于所述超表面汇聚透镜的预设参数,生成物理先验基元参数;
51、融合模块,用于根据所述若干组遗传基元参数和所述物理先验基元参数,确定融合基元参数,其中,所述融合基元参数用于构建所述超表面汇聚透镜。
52、为实现上述发明目的之一,本发明一实施例提供了一种电子设备,包括:
53、存储模块,存储计算机程序;
54、处理模块,执行所述计算机程序时可实现上述的超表面汇聚透镜的设计方法中的步骤。
55、为实现上述发明目的之一,本发明一实施例提供了一种可读存储介质,其存储有计算机程序,该计算机程序被处理模块执行时可实现上述的超表面汇聚透镜的设计方法中的步骤。
56、与现有技术相比,本发明具有以下有益效果:该超表面汇聚透镜的设计方法及装置通过将遗传算法和物理先验相结合,首先分别得到基于遗传算法寻求的若干遗传解、以及基于物理知识的先验解,再结合遗传解和先验解得到最终的融合解,从而一方面降低了遗传算法寻求最优解的要求,大大降低了遗传算法的运算量,加快了设计速度;另一方面由于结合了遗传算法中种群的多样性以及全局搜索能力,也避免了单靠物理知识陷入局部最优的困境,所以该设计方法及装置训练的成本低、速度快且精度高,更好的满足了设计需求。