基于深度物理启发神经网络的微波波导器件逆设计方法

摘要

使用物理启发的神经网络方法求解物理逆问题正成为一种趋势,但仅通过损失函数引入物理信息的方案难以求解.为解决电磁器件逆设计中物理启发神经网络模型不易收敛的问题,本文引出了深度物理启发神经网络.深度物理启发神经网络使用偏微分方程的基本解构成的网络替代传统的前馈神经网络,将数学物理模型嵌入网络结构.这一特点使深度物理启发网络的训练参数具有实际物理意义,相较传统物理启发神经网络拥有更简洁的损失函数,计算效率和稳定性也有明显提升.以二端口波导的散射参数设计为例,数值实验结果表明该方案在保证与设计目标相关性系数大于0.99的同时,最快可在25 s实现器件逆设计,且能够获得多样化的结构设计结果.本文提出的方法为逆物理问题求解构建及神经网络的物理信息嵌入探索提供了新思路.