物理情報型ニューラルネットワーク（PINN）は、マクスウェル方程式、初期条件、境界条件、および測定データを学習プロセスに直接組み込み、偏微分方程式の解法を制約付き最適化問題へと変換する。そのため、PINNは、従来の時間領域ソルバーに代わる手法として、計算電磁気学の分野でますます注目を集めている。 本論文では、スプリットフィールド型完全整合層（PML）を組み込んだ時間領域マクスウェル方程式に対するPINNの定式化を提示する。スプリットフィールド型PML定式化の主な利点は、物理領域とPML領域の両方で同じ支配方程式を適用できることであり、これによりPINNの定式化と損失関数の構築が簡素化される。 提案された手法は、PMLを用いた1次元および2次元のガウスパルス問題を用いて検証された。PINNによる解は、解析解および有限差分時間領域法（FDTD）による参照解と良好な一致を示しており、開放領域における時間領域電磁界シミュレーションにおいて、PINNと分割場PMLを組み合わせることの実現可能性を実証している。
出版物
不確実性の定量化が、実世界の変動性を考慮に入れ、より信頼性の高い設計上の知見を提供することで、EMシミュレーションをどのように向上させるかを探ります。
探索 リソース
出版物
XFdtdのスケマティック・エディタの機能に飛び込み、エンジニアリングにおける回路図の作成、解析、最適化をどのように変えるかをご覧ください。
探索 リソース
出版物
この論文では、RF伝搬シミュレーションが、身体装着型アプリケーション向けの無線デバイスの設計と開発において、エンジニアにどのような力を与えるかについて論じる。
探索 リソース