智算套件
核心能力
端到端电磁仿真
从建模到结果分析的完整 AI 电磁仿真流程
天线优化
支持天线参数自动优化与性能预测
FDTD 加速
基于 AI 的时域有限差分法加速求解
手机容差分析
移动设备电磁兼容性与辐射特性分析
快速开始
Terminal
# 安装
$ pip install mindelec
# 使用示例
from mindelec.solver import Solver
from mindelec.geometry import Rectangle
# 构建求解域并训练
domain = Rectangle("domain", (-1, -1), (1, 1))
solver = Solver(network, optimizer, domain)
solver.train(epoch=1000)交互环境
交互环境即将上线
MindElec 在线 Notebook 与交互 Demo 正在接入中，敬请期待
关联科学任务
查看全部 →点源时域麦克斯韦方程AI求解
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。
基于参数化方案的AI电磁仿真
实现基于参数化方案的AI电磁仿真，为电磁器件设计提供高效的预测工具。
基于可微分FDTD的贴片天线S参数仿真
利用可微分FDTD方法进行贴片天线S参数仿真，提升电磁仿真的精度和速度。
BFNO求解泊松方程
Born 傅里叶神经算子（B-FNO）通过结合 Born 近似方法和傅里叶神经算子，实现了广义泊松方程的高效精确求解，特别适用于复杂电磁系统的建模。
基于点云方案的AI电磁仿真
探索点云数据在AI电磁仿真中的应用，为复杂电磁结构的快速仿真开辟新路径。
人体姿态识别
基于深度学习的电磁信号人体姿态识别系统，通过分析WiFi、毫米波等无线信号特征实现非接触式姿态估计，服务于智能家居与医疗监护场景。