本申请实施例属于光子晶体设计,特别是涉及一种光子晶体设计方法、装置、计算机设备及存储介质。
背景技术:
1、随着近年来光子晶体和光子技术的发展,突破了半导体晶体的电子技术中发热量大、能耗高、带宽窄和量子隧穿等瓶颈,在对光子晶体结构进行设计时,往往需要耗费大量时间进行多次数值仿真,整个过程依赖于迭代的方法。
2、由于在传统的光子晶体结构的设计过程中,通常采用直接逆向设计的思路,但是由于不同结构的一维光子晶体可能表现出相同的物理性质,当采用直接逆向设计的思路时,将导致输出的一维光子晶体结构是众多参数的平均值,因此无法满足设计要求。
技术实现思路
1、有鉴于此,本申请实施例提供了一种光子晶体设计方法、装置、计算机设备及存储介质,用以提高获取具有期望带隙结构的光子晶体的效率。
2、本申请实施例的第一方面提供了一种光子晶体设计方法,包括:
3、确定待生成的光子晶体的结构;
4、根据所述结构,生成数据集,所述数据集中的任一数据符合所述结构的结构要求;
5、采用所述数据集训练深度神经网络模型;
6、构建强化学习模型,所述强化学习模型包括智能体;
7、采用所述智能体和所述深度神经网络模型,输出多个预测结构,任一所述预测结构包含对应的带隙结构。
8、本申请实施例的第二方面提供了一种光子晶体设计装置,包括:
9、确定模块,用于确定待生成的光子晶体的结构;
10、数据集生成模块,用于根据所述结构,生成数据集,所述数据集中的任一数据符合所述结构的结构要求;
11、训练模块,用于采用所述数据集训练深度神经网络模型;
12、模型构建模块,用于构建强化学习模型,所述强化学习模型包括智能体;
13、输出模块,用于采用所述智能体和所述深度神经网络模型,输出多个预测结构,任一所述预测结构包含对应的带隙结构。
14、本申请实施例的第三方面提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的光子晶体设计方法。
15、本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的光子晶体设计方法。
16、与现有技术相比,本申请实施例具有以下优点:
17、本申请实施例,利用深度神经网络和强化学习模型结合的方式,基于光子晶体的结构,获取符合设计要求的光子晶体的多个预测结构,可以提高生成符合设计要求的光子晶体的效率,可以在储存了大量搜索有效的光子晶体结构的储存空间中搜索需要采取的光子晶体结构,保证了光子晶体设计的高效性、准确性。
1.一种光子晶体设计方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述数据集中包括所述光子晶体对应的物理参数;
3.根据权利要求1所述的方法,其特征在于,采用所述智能体和所述深度神经网络模型,输出多个预测结构,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述第二物理参数,调用所述深度神经网络模型计算得到多个带隙结构,包括:
5.根据权利要求3所述的方法,其特征在于,所述分别计算所述多个带隙结构的奖励值,包括:
6.根据权利要求3-5任一项所述的方法,其特征在于,所述根据所述奖励值,输出多个预测结构,包括:
7.根据权利要求6所述的方法,其特征在于,所述根据所述带隙结构的奖励值与所述第一奖励值队列中的各个奖励值之间的大小关系,确定是否将所述带隙结构的奖励值存入所述第一奖励值队列,包括:
8.根据权利要求3-5或7任一项所述的方法,其特征在于,所述根据所述第一带隙结构,调用所述智能体对所述第一物理参数进行调整,得到第二物理参数,包括:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述的光子晶体设计方法。
10.一种存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的光子晶体设计方法。