往 期 培 训

Previous Training


深度学习电磁材料
  • 第4届北京等贤人工智能电磁仿真设计与实战培训班第一轮通知

    当前,人工智能在电磁设计领域的应用正在推动传统依赖全波仿真、参数扫描和经验优化的设计模式向智能化、自动化和高效化方向转变。传统电磁器件设计(如天线、超材料、超表面、射频器件、微波器件及光电器件等)通常需要借助有限元法(FEM)、有限差分时域法(FDTD)、CST、HFSS等仿真工具进行大量迭代优化,在面对高维参数空间、复杂结构拓扑以及多目标性能约束时,往往存在计算成本高、设计周期长等问题。近年来,深度学习、Transformer、生成式AI、物理信息神经网络(PINN)以及强化学习等人工智能方法逐渐融入电磁设计,通过学习“结构参数—电磁响应”之间的复杂映射关系,实现电磁器件的快速预测、智能优化与逆向设计。当前AI驱动的电磁设计研究重点围绕超材料与超表面设计、天线智能优化、电磁隐身、无线通信器件、光子芯片、射频系统以及新型电磁功能器件开发等方向展开,通过神经网络代理模型替代传统高成本仿真过程,并结合物理约束提升模型可靠性,实现从目标性能直接反推出最优结构参数的智能设计流程。近年来,基于深度神经网络的超表面逆向设计已能够快速生成满足特定电磁响应要求的结构,大幅缩短传统设计周期;同时,AI与物理规律融合的方法正在进一步提升复�

  • 第3届北京等贤人工智能助力电磁仿真设计与工程应用培训班第一轮通知

    人工智能与电磁设计的深度融合正重塑该领域的核心范式,其前沿方向不仅限于利用深度学习以突破逆设计瓶颈并实现复杂器件的高效自动化生成,更深层次的变革体现在三大前沿维度:首先,物理信息网络(PINNs)及融合物理机理的神经网络正成为主流,通过将麦克斯韦方程组等电磁物理定律内嵌于网络结构中提升模型的物理合理性与泛化能力;其次,大语言模型(LLMs)和多模态大模型开始赋能电磁系统,从融合6G信道建模与空间结构化序列的“翻译”式天线设计,延展至涵盖感知、识别与决策的电磁智能闭环;最后,基于非结构化网格的图神经网络与自注意力机制融合,结合自动化射频设计、混合逆设计策略与代理建模等技术,极大提升了复杂高维电磁问题的处理与优化能力。整体而言,人工智能电磁设计正从专用代理模型迈向通用几何电磁大模型与智能计算平台,为隐身飞行器设计、智能感知与新一代通信系统等复杂任务提供颠覆性的技术底座。

  • 第2届北京等贤人工智能驱动的电磁仿真与设计实战培训班第一轮通知

    展望未来,人工智能驱动的电磁仿真与设计,正将电磁元器件的研发从“经验试错”引向“智能寻优”的全新范式。这一变革不仅将重塑电磁学研究的底层方法论,更将成为我国抢占下一代信息技术制高点、实现高水平科技自立自强的重要战略路径。

  • 第1届北京等贤深度学习电磁超材料培训班第一轮通知

    人工智能特别是深度学习技术的兴起,为这一领域带来了突破性进展。本部分强调U-Net在电磁材料设计中的广泛适用性。案例分析设计具有特定电磁响应的超材料,验证模型在通信设备中的工程适用性。本部分突出AI在超材料光谱预测中的效率优势。

共有1页首页上一页1下一页 跳转 页 确定 尾页
seo seo