买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉霖鼎光学(上海)有限公司申请的专利一种基于物理信息神经网络的光学元件面型仿真方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121766162B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610262478.4，技术领域涉及：G06F30/27；该发明授权一种基于物理信息神经网络的光学元件面型仿真方法是由石卓奇;张哲设计研发完成，并于2026-03-05向国家知识产权局提交的专利申请。

本一种基于物理信息神经网络的光学元件面型仿真方法在说明书摘要公布了：本发明提供了一种基于物理信息神经网络的光学元件面型仿真方法，涉及元件设计与仿真技术领域，包括：构造前馈神经网络；生成变形控制方程模型库；构建三维仿真数据库；形成机器学习参数库；结合变形控制方程模型库、三维仿真数据库和机器学习参数库，对PINN变形仿真模型进行训练，筛选出符合预设条件的目标PINN变形仿真模型；将不同组合的设计参数、支撑结构参数及给定外部载荷参数输入目标PINN模型，得到光学元件的关键性能预测结果；本发明不仅能快速评估多种参数组合下的元件关键性能，缩短设计迭代周期、降低试错成本，还为支撑结构优化设计提供了直接的数据支持，有效解决了传统方法制约高精度光学系统研发效率的瓶颈问题。

本发明授权一种基于物理信息神经网络的光学元件面型仿真方法在权利要求书中公布了：1.一种基于物理信息神经网络的光学元件面型仿真方法，其特征在于，包括以下步骤： S100，基于光学元件对应的三维模型库，采用物理信息神经网络方法构造前馈神经网络；所述前馈神经网络的输入为空间坐标、时间和载荷参数，输出为三维位移场；三维模型库根据光学元件对应的参数库得到；所述参数库包括光学元件的设计参数、支撑结构参数、材料属性参数及外部载荷参数； S200，将描述光学元件变形的物理场微分方程嵌入所述神经网络的损失函数作为物理约束，根据不同的支撑结构参数构建对应的PINN变形仿真模型，生成变形控制方程模型库； S300，基于三维模型库明确的边界，定义复杂支撑条件和载荷条件作为边界条件，构建包含物理损失、边界损失和数据损失三部分的PINN总损失函数，并采用域内和边界撒点方法生成用于PINN变形仿真模型训练的空间坐标撒点数据，构建三维仿真数据库； S400，调用变形控制方程模型库、PINN总损失函数和三维仿真数据库，利用物理信息神经网络进行多工况泛化训练，建立参数库各项参数与光学元件面型精度指标之间的关联映射数据库； S500，以所述关联映射数据库为初始化基础，结合变形控制方程模型库和三维仿真数据库，对PINN变形仿真模型进行精细化训练与物理约束校验，并筛选出符合预设条件的目标PINN变形仿真模型； S600，将不同组合的设计参数、支撑结构参数及给定外部载荷参数输入目标PINN模型，得到光学元件的关键性能预测结果； 步骤S200中所述PINN变形仿真模型为物理主导网络+数据校正网络的双网络协同架构，具体实现包括以下步骤： S220，构建物理主导网络，输入空间坐标、时间、载荷参数及光学元件材料参数，输出初步三维位移场，设定物理主导网络的损失函数以物理损失L_Physics为主，物理损失权重初始占比≥α1，所述物理损失由弹性力学平衡微分方程和热传导微分方程的残差计算得到；α1为第一预设占比阈值； S221，构建数据校正网络，以物理主导网络输出的初步三维位移场为输入，结合光学元件有效光学区域的有限元高精度仿真数据或实验实测数据，输出最终三维位移场，设定数据校正网络的损失函数以数据损失L_Data为主，数据损失权重初始占比≥α2，仅在有效光学区域内计算校正损失；α2为第二预设占比阈值；α1＜α2； S222，执行物理主导网络和数据校正网络交替训练，将物理主导网络的训练结果作为数据校正网络的初始化输入，数据校正网络的校正误差通过反向传播机制反馈至物理主导网络，动态调整物理主导网络的物理损失权重，以实现全局物理合理性与有效光学区域局部高精度的平衡。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人霖鼎光学(上海)有限公司，其通讯地址为：200241 上海市闵行区元江路525号19幢第3层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。