基于深度学习的时域有限差分(FDTD)方法,利用神经网络求解点源激励下麦克斯韦方程组的电磁场分布,实现高速高精度电磁仿真。
时域麦克斯韦方程组是描述电磁场演化规律的基本方程组,广泛应用于雷达探测、天线设计、光子器件等工程领域。传统FDTD方法虽精度高,但计算量大、耗时长,难以满足大规模优化设计需求。
本任务采用AI驱动的数据驱动方法,构建基于图神经网络(GNN)或Transformer架构的代理模型,学习点源激励下电磁场的时空演化规律。模型输入包括激励源位置、强度、频率等参数,输出为整个计算域的电场和磁场分布。
学科领域
电磁学
贡献方
华为Model Arts
方法
AI/ML
问题类型
方程求解
高阶微分操作
