一篇新研究论文介绍了一种用于预测色散介质中共振的“渐近引导学习”方法。该方法不仅使用渐近分析进行基线近似，还用于指导预测校正模型的构建。通过学习渐近共振与亚波长展开特征推导的参考共振之间的残差，该方法显著提高了对单个谐振器和二聚体的预测精度。研究表明，该技术可以为数据驱动的校正产生准确、低维且可解释的公式。 AI
影响 这项研究可能带来更准确、更具可解释性的物理现象预测模型，从而影响依赖共振分析的领域。
排序理由 该集群包含一篇发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Asymptotics-guided learning and symbolic regression for dispersive resonances
- Konstantinos Alexopoulos
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
