研究人员开发了一种物理约束神经网络（PCNN），旨在快速预测严格耦合波分析（RCWA）的输出。这种新颖的方法通过使用可微分对称正交化将输出投影到Stiefel流形上来强制能量守恒作为基本约束。通过将其应用于旨在用于增强现实眼镜的衍射波导组合器的逆设计中，证明了PCNN的有效性。 AI
影响 这项研究通过提高模拟的速度和准确性，有可能加速增强现实设备的光学元件的设计和开发。
排序理由 该集群描述了一篇详细介绍使用神经网络进行物理约束建模的新方法的科学论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.28119v1 Announce Type: cross Abstract: We introduce a physics-constrained neural network (PCNN) for the rapid prediction of rigorous coupled-wave analysis (RCWA) outputs in the form of Jones matrices. Starting from energy conservation in lossless layered periodic struc…
We introduce a physics-constrained neural network (PCNN) for the rapid prediction of rigorous coupled-wave analysis (RCWA) outputs in the form of Jones matrices. Starting from energy conservation in lossless layered periodic structures, we use the fact that RCWA outputs lie on a …