Maxwell's equations
PulseAugur coverage of Maxwell's equations — every cluster mentioning Maxwell's equations across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的NOTES方法增强了物理系统的逆向设计
研究人员开发了一种名为神经算子驱动的拓扑感知演化策略（NOTES）的新方法，以改进由偏微分方程控制的物理系统的逆向设计。该方法结合了DeepONet神经算子和协方差矩阵自适应演化策略（CMA-ES），以降低设计维度并提高效率。NOTES应用于纳米光子束偏转器和结构优化，与现有方法相比表现出优越的性能，实现了高效率和改进的顺应性。
-
AI模型高精度重构三维磁场
研究人员开发了一种新颖的物理信息神经网络（PINN），用于在难以直接测量的区域重构和绘制三维磁场。该AI框架将麦克斯韦方程组集成到其损失函数中，确保了物理一致性，并将重构精度与之前的PINN基准相比提高了十倍。实验验证证实了其稳健的性能，在实际条件下达到了亚百分之一的相对精度。
-
混合物理信息神经网络推动电力系统设计
一篇新的综述文章探讨了使用混合物理信息神经网络（PIML）来增强电力系统。这些方法将物理定律嵌入机器学习模型，提高了准确性和效率，尤其是在数据稀缺的情况下。文章详细介绍了各种PIML架构及其在故障检测和数字孪生等领域的应用，强调了它们优于纯数据驱动的方法。
-
FLASH-MAX 神经网络从稀疏数据中重构麦克斯韦方程组
研究人员开发了 FLASH-MAX，这是一种新颖的神经网络架构，旨在从有限数据中快速精确地重构电磁场。该架构将麦克斯韦方程组直接嵌入其结构中，从而能够符号化地满足控制物理定律。FLASH-MAX 仅用 100 个数据点即可展现出高精度，使用约 1,000 个观测值即可达到 1% 以下的误差，并且训练仅需几秒钟。