PulseAugur
中
实时 08:53:43
English(EN) Inductively Scalable, Single-Step Neural Surrogates for Wave-Scattering Inverse Problems

神经网络使波散射模拟规模扩大73倍

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的训练神经网络代理的方法，可以显著加速波散射逆问题的模拟。这种新方法通过在训练过程中动态生成显著的训练示例，而不是依赖于随机抽样，克服了先前的扩展限制。该技术已成功训练了一个用于二维波散射的代理，该代理拥有超过41,000个变量，比以往增加了73倍以上，并证明了其在设计分束器和梯度折射率透镜等光子元件方面的有效性。 AI

影响 这项研究可以实现更快、更具可扩展性的光学元件和其他波散射问题的设计模拟。

排序理由 详细介绍用于科学模拟神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

神经网络使波散射模拟规模扩大73倍

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Charles Dove, Laura Waller ·

    感应可扩展、单步神经网络代理用于波散射逆问题

    arXiv:2608.17344v1 Announce Type: cross Abstract: Neural network surrogates are an emerging alternative to traditional electromagnetic wave simulators like finite-difference time-domain (FDTD); their goal is to replace rigorous physical simulations with pre-trained neural network…

相关实体

相关话题