一种基于神经网络的器件参数获取方法、系统及相关组件与流程

技术特征：
1.一种基于神经网络的器件参数获取方法，其特征在于，神经网络包括逆网络、判别网络和前向预测网络，该器件参数获取方法包括：利用所述逆网络根据目标需求生成器件参数，所述目标需求包括目标电磁光谱响应；将所述器件参数和真实样本输入所述判别网络，并使所述判别网络使用所述器件参数和所述真实样本进行对抗训练得到第一调整参数，基于所述第一调整参数对所述逆网络和所述判别网络进行第一参数更新操作，直至利用所述逆网络根据所述目标电磁光谱响应生成的所述器件参数满足真实条件；将满足所述真实条件的所述器件参数输入所述前向预测网络得到实际电磁光谱响应，当所述实际电磁光谱响应和所述目标电磁光谱响应匹配时，输出所述逆网络生成的所述器件参数。2.根据权利要求1所述的器件参数获取方法，其特征在于，所述目标需求为包括所述目标电磁光谱响应、目标入射角、目标器件材料折射率及模拟随机噪声的一维向量。3.根据权利要求1所述的器件参数获取方法，其特征在于，所述利用所述逆网络根据目标需求生成器件参数的过程包括：将所述目标需求输入所述逆网络，使所述逆网络基于所述目标需求得到重构参数，对所述重构参数进行特征提取生成器件参数。4.根据权利要求3所述的器件参数获取方法，其特征在于，所述逆网络包括转置卷积层和编码解码模块；所述将所述目标需求输入所述逆网络，使所述逆网络基于所述目标需求得到重构参数，对所述重构参数进行特征提取生成器件参数的过程包括：将所述目标需求输入所述逆网络；通过所述转置卷积层基于所述目标需求进行上采样得到重构参数；通过所述编码解码模块从所述重构参数中提取特征参数，利用所述特征参数生成器件参数。5.根据权利要求1所述的器件参数获取方法，其特征在于，所述使所述判别网络使用所述器件参数和所述真实样本进行对抗训练得到第一调整参数，基于所述第一调整参数对所述逆网络和所述判别网络进行第一参数更新操作的过程包括：使所述判别网络使用所述器件参数和所述真实样本进行对抗训练，得到所述器件参数为真实参数的概率；判断所述概率是否为目标值；若否，获取第一调整参数，并基于所述第一调整参数对所述逆网络和所述判别网络进行第一参数更新操作；若是，判定利用所述逆网络根据所述目标电磁光谱响应生成的所述器件参数满足真实条件。6.根据权利要求1所述的器件参数获取方法，其特征在于，所述将满足所述真实条件的所述器件参数输入所述前向预测网络得到实际电磁光谱响应之后，该器件参数获取方法还包括：获取所述实际电磁光谱响应和目标电磁光谱响应之间的损失函数；当所述损失函数收敛，判定所述实际电磁光谱响应和所述目标电磁光谱响应匹配。
7.根据权利要求6所述的器件参数获取方法，其特征在于，所述获取所述实际电磁光谱响应和目标电磁光谱响应之间的损失函数之后，该器件参数获取方法还包括：当所述损失函数未收敛，获取第二调整参数；基于所述第二调整参数对所述逆网络和所述前向预测网络进行第二参数更新操作，直至所述实际电磁光谱响应和所述目标电磁光谱响应匹配。8.根据权利要求1-7任意一项所述的器件参数获取方法，其特征在于，所述前向预测网络和所述判别网络均包括bn层。9.一种基于神经网络的器件参数获取系统，其特征在于，神经网络包括逆网络、判别网络和前向预测网络，该器件参数获取系统包括：第一处理模块，用于利用所述逆网络根据目标需求生成器件参数，所述目标需求包括目标电磁光谱响应；调整模块，用于将所述器件参数和真实样本输入所述判别网络，并使所述判别网络使用所述器件参数和所述真实样本进行对抗训练得到第一调整参数，基于所述第一调整参数对所述逆网络和所述判别网络进行第一参数更新操作，直至利用所述逆网络根据所述目标电磁光谱响应生成的所述器件参数满足真实条件；第二处理模块，用于将满足所述真实条件的所述器件参数输入所述前向预测网络得到实际电磁光谱响应，当所述实际电磁光谱响应和所述目标电磁光谱响应匹配时，输出所述逆网络生成的所述器件参数。10.一种基于神经网络的器件参数获取装置，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1-8任意一项所述的基于神经网络的器件参数获取方法的步骤。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8任意一项所述的基于神经网络的器件参数获取方法的步骤。

技术总结
本申请公开了一种基于神经网络的器件参数获取方法、系统、装置及计算机可读存储介质，该基于神经网络的器件参数获取方法通过逆网络、判别网络和前向预测网络构成的神经网络为目标电磁光谱响应优化出对应的器件参数，本申请中将逆网络和判别网络结合对抗训练，优化生成的器件参数，使其接近真实参数，同时生成对抗网络所需训练数据集小，节省了硬件资源，提高了神经网络的鲁棒性，再将逆网络生成的满足真实条件的器件参数输入前向预测网络，实现逆网络和前向预测网络结合训练，当实际电磁光谱响应和目标电磁光谱响应匹配时，再输出逆网络生成的器件参数，优化生成的器件性能，在输入为期望的目标电磁光谱响应下，输出性能较高的器件参数。器件参数。器件参数。


技术研发人员：晁银银 董刚 赵雅倩 李仁刚 徐哲 王斌强 杨宏斌
受保护的技术使用者：浪潮电子信息产业股份有限公司
技术研发日：2021.11.30
技术公布日：2022/4/12