微纳米颗粒体系结构色的正向预测和反向设计方法及系统与流程

技术特征：
1.微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，包括：根据所研究微纳米颗粒体系确定已知几何结构参数；基于所述已知几何结构参数采用训练好的双向神经网络模型，得到预测的颜色信息和反向设计微纳米颗粒体系的几何结构参数；所述双向神经网络模型包括：正向神经网络模型和反向神经网络模型；所述正向神经网络模型根据所述已知几何结构参数，预测微纳米颗粒体系的颜色信息；所述反向神经网络模型根据所述预测微纳米颗粒体系的颜色信息，得到反向设计微纳米颗粒体系的几何结构参数。2.根据权利要求1所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述双向神经网络模型训练的过程包括：正向神经网络模型训练的过程和反向神经网络模型训练的过程。3.根据权利要求2所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述正向神经网络模型训练的过程包括：根据所研究微纳米颗粒体系确定已知几何结构参数和微纳米颗粒体系的已知颜色信息；根据所述已知几何结构参数，采用正向神经网络模型，预测微纳米颗粒体系的颜色信息；根据所述已知颜色信息和所述颜色信息优化正向神经网络模型的超参数，得到训练好的正向神经网络模型。4.根据权利要求3所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述根据所研究微纳米颗粒体系确定已知几何结构参数和微纳米颗粒体系的已知颜色信息的过程包括：根据所研究微纳米颗粒体系确定已知几何结构参数；基于所述已知几何结构参数、微纳米颗粒的复折射率以及微纳米颗粒所处背景介质的复折射率，确定微纳米颗粒的光学特性；基于所述微纳米颗粒的光学特性结合所述已知几何结构参数，确定悬浮液平板模型的光谱透射率和光谱反射率；将所述悬浮液平板模型的光谱透射率和光谱反射率转化为微纳米颗粒体系的已知颜色信息；所述所研究微纳米颗粒体系为，微纳米颗粒分布于溶液中形成混悬液后，将所述混悬液置于比色皿内形成一个悬浮液平板模型。5.根据权利要求4所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述已知几何结构参数包括：微纳米颗粒的半径、体积分数和混悬液平板模型的厚度。6.根据权利要求4所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述微纳米颗粒的光学特性包括：衰减因子、散射因子和散射相函数。7.根据权利要求3所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述优化正向神经网络模型的超参数的过程包括：
根据所述已知颜色信息与所述颜色信息的均方误差，构建第一损失函数；以第一损失函数最小化为目标，训练所述正向神经网络模型，使所述已知颜色信息与所述颜色信息之间的色差最小化；根据第一损失函数更新正向神经网络模型中各层的权重和偏差，并调整正向神经网络模型的超参数。8.根据权利要求2所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述反向神经网络模型训练的过程包括：根据所研究微纳米颗粒体系确定微纳米颗粒体系的已知颜色信息；根据所述已知颜色信息，采用反向神经网络模型，反向设计微纳米颗粒体系的几何结构参数；根据所述已知颜色信息和所述正向神经网络模型得到的所述颜色信息优化反向神经网络模型的超参数，得到训练好的反向神经网络模型。9.根据权利要求8所述的微纳米颗粒体系结构色的正向预测和反向设计方法，其特征在于，所述优化反向神经网络模型的超参数的过程包括：根据所述已知颜色信息与所述颜色信息的均方误差，构建第一损失函数；以第一损失函数最小化为目标，训练所述反向神经网络模型，使所述已知颜色信息与所述颜色信息之间的色差最小化；根据第一损失函数更新反向神经网络模型中各层的权重和偏差，并调整反向神经网络模型的超参数。10.微纳米颗粒体系结构色的正向预测和反向设计系统，其特征在于，包括：获取模块，其被配置为：根据所研究微纳米颗粒体系确定已知几何结构参数；正向预测和反向设计模块，其被配置为：基于所述已知几何结构参数采用训练好的双向神经网络模型，得到预测的颜色信息和反向设计微纳米颗粒体系的几何结构参数；模型构建模块，其被配置为：所述双向神经网络模型包括：正向神经网络模型和反向神经网络模型；所述正向神经网络模型根据所述已知几何结构参数，预测微纳米颗粒体系的颜色信息；所述反向神经网络模型根据所述预测微纳米颗粒体系的颜色信息，得到反向设计微纳米颗粒体系的几何结构参数。

技术总结
本发明属于计算材料科学领域，提供了一种微纳米颗粒体系结构色的正向预测和反向设计方法及系统。该方法包括，根据所研究微纳米颗粒体系确定已知几何结构参数；基于所述已知几何结构参数采用训练好的双向神经网络模型，得到预测的颜色信息和反向设计微纳米颗粒体系的几何结构参数；所述双向神经网络模型包括：正向神经网络模型和反向神经网络模型；所述正向神经网络模型根据所述已知几何结构参数，预测微纳米颗粒体系的颜色信息；所述反向神经网络模型根据所述预测微纳米颗粒体系的颜色信息，得到反向设计微纳米颗粒体系的几何结构参数。本发明实现了预测微纳米颗粒体系的结构色和反向设计微纳米颗粒体系的几何结构参数。和反向设计微纳米颗粒体系的几何结构参数。和反向设计微纳米颗粒体系的几何结构参数。


技术研发人员：马兰新 王程超 张文杰 杨家跃 胡凯翔 刘林华
受保护的技术使用者：山东大学
技术研发日：2021.11.10
技术公布日：2021/12/13