(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111450077.5 (22)申请日 2021.11.30 (71)申请人 浪潮电子信息产业股份有限公司 地址 250101 山东省济南市高新区浪潮路 1036号 (72)发明人 晁银银　董刚　赵雅倩　李仁刚　 徐哲　王斌强　杨宏斌　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 魏亚茹 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于神经网络的器件参数获取方法、 系 统及相关组件 (57)摘要 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。 权利要求书2页 说明书11页 附图5页 CN 114329900 A 2022.04.12 CN 114329900 A 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。权　利　要　求　书 1/2 页 2 CN 114329900 A 27.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。权　利　要　求　书 2/2 页 3 CN 114329900 A 3