近年来，人工智能技术加速向电磁学、天线设计及人工电磁材料领域渗透，传统的参数扫描与经验试错式设计方法已难以满足高性能器件快速迭代需求。以频率选择表面、超表面、人工电磁材料为代表的新型电磁结构，其设计参数多、响应非线性强、仿真计算成本高，迫切需要引入智能设计方法实现高效正向预测与逆向生成。
当前工业界与学术界对掌握“电磁仿真 + 机器学习”复合能力的工程师需求激增。然而，市场上多数培训要么只讲电磁仿真基础，要么只讲通用神经网络原理，缺乏将两者深度融合、从数据生成到模型训练再到仿真闭环验证的完整流程教学。同时，CST、Python/Matlab 联合仿真与自动化建模的门槛较高，初学者往往耗时在环境搭建与脚本调试上，难以快速聚焦核心设计思想。
适合从事天线、频率选择表面、雷达罩、超材料、电磁兼容等方向的研发技术人员；电磁场与微波技术、物理电子学、计算电磁学、人工智能与科学计算等方向的硕博研究生等
人工电磁材料智能设计技术与应用
1、**理论：**人工电磁材料与FSS 设计基础
**内容：**人工电磁材料概念与应用
FSS 基本原理与设计基础：设计方法、设计流程、核心参数
**实践：**基于 CST 的 FSS建模与仿真
**内容：**CST 实现基础带通型 FSS 结构全流程建模：仿真参数设置、仿真边界条件、求解器选择、
端口设置、结果后处理
**扩展：**CST 参数化建模与自动化仿真
内容：
演示 CST 参数化建模（Parameterization）+MATLAB 脚本自动化仿真流程：实现带通 FSS
结构建模、参数设置、S 参数提取（提供 MATLAB 代码）
2、**理论：**神经网络与智能设计基础
**内容：**神经网络基本概念（MLP）正向预测 VS 逆向设计 基于神经网络的人工电磁材料设计原理、框架
**实践：**基于 Python +CST 的 FSS 正向预测
内容：
神经网络实现典型 FSS 电磁特性的正向预测：Python 调用 CST 生成数据集；MLP 正向预测 FSS
的 S 参数；模型训练与评估
3、**理论：**神经网络与智能设计基础
**内容：**复杂神经网络组合、残差神经网络概念、多目标优化问题
**实践：**基于双神经网络的双带通频率选择表面设计
内容：
基于双神经网络的双带通频率选择表面设计：CST 进行 FSS 仿真
Python/Matlab 实现：采用双神经网络进行 FSS复杂目标设计，变分自编码器与 MLP 结合，结果可视化
4、**理论：**复杂神经网络与设计流程闭环
**内容：**串联神经网络原理、设计结果仿真验证的必要性
**实践：**串联神经网络（Tandem Network）天线结构逆向设计
内容：
基于串联神经网络的天线结构参数设计案例：MATLAB 实现串联网络（前向网络+逆向网络）以 CST 仿真结果为训练数据，完成天线结构参数逆向预测；结果通过 CST 验证
