学院魏准、尹文言课题组在《Nature Communications》上发文报道基于多物理深度学习框...

文章预览

随着电子器件小型化与高功率应用需求， 多物理场耦合 （特别是电磁-热效应）对射频超表面多功能一体化设计与性能评估提出严峻挑战（见图6）。传统方法依赖高成本的全波仿真与实验验证，难以覆盖宽频段与高自由度多功能一体化设计。近年来，虽然 人工智能特别是 深度算子网络、生成对抗网络针对单一物理场建模中展现出潜力，但在 多物理耦合 与 频谱迁移场 景下仍面临数据稀缺与泛化性不足的瓶颈。 近日，浙江大学信息与电子工程学院魏准团队、尹文言团队，提出了一种多物理深度学习框架（MDLF）（见图1），通过结合多保真度DeepONet、动态隐藏空间网络及数据-解析混合正则化技术，实现了多物理场强耦合下超表面频率外推预测与高自由度逆向设计。该研究为面向空间应用的复杂电磁-热耦合系统智能建模与多功能一体化研发提供了全 ………………………………