本發(fā)明涉及光子晶體微腔，尤其涉及一種光子晶體微腔的q值優(yōu)化方法、存儲介質、設備。

背景技術：

1、當前生物組織中，病毒尺寸是比較小的，約為100nm左右，一些化學產(chǎn)品顆粒如聚苯乙烯顆粒半徑更小為40nm左右，為了實現(xiàn)小半徑顆粒檢測，追求高性能高靈敏度的光學顆粒傳感器成為研究熱門。光子晶體可以將光限制在一個極小區(qū)域，尤其是一維光子晶體，其高的自由設計度、易實現(xiàn)高q值及小模式體積，能夠在其器件表面創(chuàng)造出高強度的倏逝場來與極小半徑顆粒產(chǎn)生相互作用，從而實現(xiàn)小納米半徑顆粒檢測。機器學習作為人工智能領域的一個重要分支，其發(fā)展推動了跨學科領域的融合，有利于解決醫(yī)療、納米光子學等領域的重大問題。利用算法強大的數(shù)據(jù)分析能力與高機動性，在較短時間內獲得高q值一維光子晶體微腔并應用于顆粒傳感仿真。

2、在光子晶體微腔仿真中，q值的優(yōu)化是一個重要的問題。q值代表了光子晶體微腔的能量損耗和光儲存效率，是評估微腔性能的重要參數(shù)。通過在fdtd(finite-differencetime-domain,時域有限差分)仿真中調整微腔的結構參數(shù)和優(yōu)化材料的折射率等方式，可以提高微腔的q值。通過建立傳感模型、構建光子晶體微腔的模型，并進行q值優(yōu)化和電場圖仿真等分析，可以深入研究光子晶體微腔的性能和特性。利用fdtd進行光子晶體微腔的q值的優(yōu)化時，為了更精確的結果，會建立高精度的模型和網(wǎng)格劃分，需要大量的迭代計算，這可能導致計算時間顯著增加。

技術實現(xiàn)思路

1、本發(fā)明的目的在于：為了解決現(xiàn)有技術對光子晶體微腔的q值進行優(yōu)化計算時間長的問題，提出一種光子晶體微腔的q值優(yōu)化方法，其中的光子晶體微腔包括：一維光子晶體，所述一維光子晶體的中心部分為12個孔半徑和晶格常數(shù)漸變的漸變區(qū)、兩側為晶格常數(shù)和孔半徑大小固定的反射區(qū)，方法包括以下步驟：

2、s1、將所述光子晶體微腔的腔長l和漸變區(qū)的六個晶格常數(shù)(a1,a2,a3,a4,a5,a6)作為待優(yōu)化的參數(shù)；

3、s2、獲取腔長l和漸變區(qū)的六個晶格常數(shù)的第一數(shù)據(jù)樣本集，將第一數(shù)據(jù)樣本集劃分為訓練集和測試集；

4、s3、使用訓練集和測試集對lssvm模型進行訓練和測試，輸出log10q；

5、s4、獲取腔長l和漸變區(qū)的六個晶格常數(shù)的第二數(shù)據(jù)樣本集，將第二數(shù)據(jù)樣本集作為初始種群，將lssvm模型輸出的log10q作為適應度函數(shù)，通過遺傳算法進行交叉和變異操作，直到適應度函數(shù)趨于穩(wěn)定，迭代結束，得到光子晶體微腔優(yōu)化的q值。

6、進一步地，第一數(shù)據(jù)樣本集和第二數(shù)據(jù)樣本集中地腔長l和漸變區(qū)的六個晶格常數(shù)的數(shù)值范圍為[-1nm,1nm]。

7、進一步地，lssvm模型的損失函數(shù)為：

8、

9、其中，lloss表示lssvm模型的損失函數(shù)，n表示測試集數(shù)量，tr為lssvm模型的預測值，tp為測試集實際值。

10、進一步地，lssvm模型的優(yōu)化問題為：

11、

12、其中，j表示損失函數(shù)，w表示權重系數(shù)向量，c表示懲罰因子，l表示輸入樣本數(shù)，ξi表示第i個樣本的誤差向量，yi表示lssvm模型的第i個輸入樣本的輸出，φ()表示非線性函數(shù)，xi表示第i個輸入，輸入為n維，n＝7，b表示偏置項。

13、進一步地，根據(jù)lagrange函數(shù)對優(yōu)化問題進行求解：

14、

15、其中，l表示lagrange函數(shù)，αi表示lagrange乘子。

16、進一步地，

17、lssvm模型的決策函數(shù)為：

18、

19、其中，f(x)表示lssvm模型的決策函數(shù)，k(xi,xj)表示mercer’s條件中的核函數(shù)，xj表示第j個輸入。

20、進一步地，滿足mercer條件高斯核函數(shù)表達式為：

21、

22、其中，k(xi,xj)g表示滿足mercer條件高斯核函數(shù)，xi表示第i個輸入，xj表示，σ表示寬度參數(shù)。

23、本發(fā)明還提出一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的光子晶體微腔的q值優(yōu)化方法。

24、本發(fā)明還提出一種電子設備，包括處理器和存儲器，所述處理器與所述存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括計算機可讀指令，所述處理器被配置用于調用所述計算機可讀指令，執(zhí)行上述的光子晶體微腔的q值優(yōu)化方法。

25、本發(fā)明提供的技術方案帶來的有益效果是：

26、本發(fā)明使用lssvm算法模型預測取代了fdtd的仿真過程，引入遺傳算法后，得益于其交叉變異高效率尋優(yōu)的特性，顯著加快了優(yōu)化的速度。為了實現(xiàn)更精準的q值預測，選取損失函數(shù)小的lssvm算法模型，相比于傳統(tǒng)的fdtd仿真優(yōu)化，基于lssvm算法結合遺傳算法的優(yōu)化方式在短時間內大幅度的提升了一維光子晶體微腔的q值。

技術特征：

1.一種光子晶體微腔的q值優(yōu)化方法，光子晶體微腔包括：一維光子晶體，所述一維光子晶體的中心部分為12個孔半徑和晶格常數(shù)漸變的漸變區(qū)、兩側為晶格常數(shù)和孔半徑大小固定的反射區(qū)，其特征在于，方法包括以下步驟：

2.根據(jù)權利要求1所述的一種光子晶體微腔的q值優(yōu)化方法，其特征在于，第一數(shù)據(jù)樣本集和第二數(shù)據(jù)樣本集中地腔長l和漸變區(qū)的六個晶格常數(shù)的數(shù)值范圍為[-1nm,1nm]。

3.根據(jù)權利要求1所述的一種光子晶體微腔的q值優(yōu)化方法，其特征在于，lssvm模型的損失函數(shù)為：

4.根據(jù)權利要求1所述的一種光子晶體微腔的q值優(yōu)化方法，其特征在于，lssvm模型的優(yōu)化問題為：

5.根據(jù)權利要求4所述的一種光子晶體微腔的q值優(yōu)化方法，其特征在于，根據(jù)lagrange函數(shù)對優(yōu)化問題進行求解：

6.根據(jù)權利要求5所述的一種光子晶體微腔的q值優(yōu)化方法，其特征在于，

7.根據(jù)權利要求6所述的一種光子晶體微腔的q值優(yōu)化方法，其特征在于，滿足mercer條件高斯核函數(shù)表達式為：

8.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于：所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1-7任一項所述的方法。

9.一種電子設備，其特征在于，包括處理器和存儲器，所述處理器與所述存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括計算機可讀指令，所述處理器被配置用于調用所述計算機可讀指令，執(zhí)行如權利要求1-7任一項所述的方法。

技術總結
本發(fā)明公開一種光子晶體微腔的Q值優(yōu)化方法、存儲介質、設備，涉及光子晶體微腔技術領域，其中的光子晶體微腔包括一維光子晶體，一維光子晶體的中心為12個孔半徑和晶格常數(shù)漸變的漸變區(qū)、兩側為晶格常數(shù)和孔半徑固定的反射區(qū)，優(yōu)化方法包括：將光子晶體微腔的腔長和漸變區(qū)的六個晶格常數(shù)作為待優(yōu)化的參數(shù)；獲取待優(yōu)化的參數(shù)的第一數(shù)據(jù)樣本集和第二數(shù)據(jù)樣本集，將第一數(shù)據(jù)樣本集劃分為訓練集和測試集對LSSVM模型進行訓練和測試，輸出log<subgt;10</subgt;Q；將第二數(shù)據(jù)樣本集作為遺傳算法的初始種群，將log<subgt;10</subgt;Q作為適應度函數(shù)，直到適應度函數(shù)趨于穩(wěn)定，得到優(yōu)化的Q值。本發(fā)明可以在短時間內大幅度提升一維光子晶體微腔的Q值。

技術研發(fā)人員：劉力,阮嘉鈺
受保護的技術使用者：中國地質大學（武漢）
技術研發(fā)日：
技術公布日：2024/12/19