Neues physikbasiertes neuronales Netzwerk löst Inverse-Scattering-Probleme

Ein neues Forschungsprojekt hat ein verbessertes physikgetriebenes neuronales Netzwerk (IPDNN) vorgestellt, das inverse Streuungsprobleme in der Elektromagnetik effizient löst. Durch die Einführung einer Gaussian‑localized oscillation‑suppressing window (GLOW) Aktivierungsfunktion wird die Konvergenz stabilisiert, während gleichzeitig ein leichtgewichtiges, aber genaues Netzwerkarchitektur erreicht wird.

Zusätzlich wurde eine dynamische Identifikationsstrategie für Streuungsunterregionen entwickelt, die den Rechenbereich adaptiv verfeinert. Dadurch werden Fehlermeldungen vermieden und die Rechenkosten reduziert. Die Integration von Transfer‑Learning erweitert die Anwendbarkeit des Solvers auf reale Szenarien und verbindet die physikalische Interpretierbarkeit iterativer Algorithmen mit der Echtzeit‑Inference‑Leistung neuronaler Netze. Simulationen und Experimente zeigen, dass das neue Verfahren eine überlegene Rekonstruktionsgenauigkeit, Robustheit und Effizienz gegenüber aktuellen Methoden bietet.