复现论文：2018 Advanced Material：A Bidirectional Deep Neural Network for Accurate Silicon Color Design

论文介绍：利用深度学习DNN神经网络模型，实现反射谱预测与结构参数逆向设计功能。结构色体现为结构的反射谱线，构建两个DNN模型，一个用于输入结构参数，输出对应的结构色谱线参数，不需要FDTD仿真即可得到预测谱线。第二个DNN模型用于逆向设计，输入所需要的结构色谱线参数，网络可以输出对应的结构尺寸参数，根据目标来设计结构。

案例内容：主要包括四原子结构的反射谱仿真计算，以及构建结构参数与反射谱线的庞大的数据库。包括两个深度学习模型，一个是正向预测DNN模型，包括网络框架的构建，pytorch架构，网络的训练以及测试；还有一个逆向设计的DNN模型，同样包括网络的训练和预测。以及做了一个例子的对照和使用。可以随机更改参数来任意设计超表面原子的参数。

案例包括fdtd模型、fdtd设计脚本、python代码构建深度学习框架，pytorch架构的使用，神经网络的训练代码和测试代码，一个单独的例子来演示正向网络与逆向网络的功能，复现结果，以及一份word教程。该代码可以用于任何类似的透射谱和反射谱的正向预测与反向设计功能，不限制波段和结构形状，具有普适性。

有需要案例模型，可以前往面包多主页：FDTD超透镜仿真工作室

以下是案例包括的文件列表：