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！

申请/专利权人：清华大学

摘要：本发明涉及激光器设计技术领域，提供一种基于神经网络算法的激光器逆向设计方法及系统，包括：获取目标激光器的输出特性参数，并将所述输出特性参数作为已完成训练的激光器设计模型的输出特性参数；其中，所述激光器设计模型基于预设神经网络，通过多组激光器的物理特性参数样本以及对应的输出特性参数样本训练而成；输入至少一组激光器的物理特性参数至所述激光器设计模型，获取所述激光器设计模型实际的输出特性参数；获取实际的输出特性参数与所述目标激光器的输出特性参数之间的偏差，生成偏差结果；基于所述偏差结果调整激光器的物理特性参数，完成目标激光器的逆向设计。本发明解决了现有激光器设计成本高、效率低的问题。

主权项：1.一种基于神经网络算法的激光器逆向设计方法，其特征在于，包括：获取目标激光器的输出特性参数，并将所述输出特性参数作为已完成训练的激光器设计模型的输出特性参数；其中，所述激光器设计模型基于预设神经网络，通过多组激光器的物理特性参数样本以及对应的输出特性参数样本训练而成；输入至少一组激光器的物理特性参数至所述激光器设计模型，获取所述激光器设计模型实际的输出特性参数；获取实际的输出特性参数与目标激光器的输出特性参数之间的偏差，生成偏差结果；基于所述偏差结果调整激光器的物理特性参数，完成目标激光器的逆向设计；其中，所述获取目标激光器的输出特性参数进一步为，获取已有模拟方法得到激光器的输出特性参数或直接测试激光器的所需输出特性参数；以及，所述输入至少一组激光器的物理特性参数至所述激光器设计模型包括：输入多组第一物理特性参数和第二物理特性参数至所述激光器设计模型；其中，所述第一物理特性参数为能够通过一个量化参数表征的物理特性参数；所述第二物理特性参数为在激光器给定区域基于网格划分形成坐标后，各个坐标点的位置所对应的量化参数所表征的物理特性参数；所述激光器设计模型基于预设神经网络，通过多组激光器的物理特性参数以及对应的输出特性参数训练而成，进一步包括：获取多组激光器样本，所述激光器样本包括每一激光器的物理特性和对应的输出特性；对多组激光器样本进行量化，获得激光器的物理特性参数样本和输出特性参数样本；将所述激光器的物理特性参数样本和所述输出特性参数样本按照预设数据结构进行存储，获取训练数据集；基于所述训练数据集，根据多组激光器的物理特性参数与所述输出特性参数之间的关系，训练所述神经网络，获取所述激光器设计模型；其中，所述获得激光器的物理特性参数样本和输出特性参数样本中进一步为，获得激光器的第一物理特性参数样本和第二物理特性参数样本；其中，所述第一物理特性参数样本为能够通过一个量化参数表征的物理特性参数样本；所述第二物理特性参数样本为在激光器给定区域基于网格划分形成坐标后，各个坐标点的位置所对应的量化参数所表征的物理特性参数样本。

全文数据：

权利要求：

百度查询： 清华大学 一种基于神经网络算法的激光器逆向设计方法及系统