本发明属于偏振器件设计技术领域,公开了一种基于异步强化学习的非对称光偏振器件结构及其设计方法,仿真数据集预处理,透射率预测网络搭建和初始化;透射率预测网络训练,异步强化学习算法优化非对称偏振转换器件结构。本发明利用深度神经网络,通过透射率预测网络由结构数据准确的预测出透射率属性,并由异步强化学习算法高效省时的反向最优化设计非对称光偏振转换器件的结构。本发明基于残差结构的深度神经网络的透射率预测网络、异步强化学习算法,通过有效的降采样数据并进行合理的划分,使得透射率预测网络得到有效的训练并利用异步强化学习算法最优化设计非对称光偏振转换器件的结构,提高了设计的效率的同时也提高了器件的最大透射率。
声明:
“基于异步强化学习的非对称光偏振器件结构及其设计方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)