通过人工神经网络预测等离子体诱导的超慢磁孤子的透明化
摘要：光致透明（PIT）在先进材料中引起了广泛关注，对于理论物理和应用物理都具有重要意义。在这里，我们考虑了一种可以产生PIT并研究超慢低功率磁孤子特性的方案。PIT超材料由一个由两个耦合的可变电容分裂环共振器组成的单元阵列构成。模拟验证了在这种类型的超材料中可以产生超慢磁孤子。为了解非线性方程，可以应用各种类型的数值方法，通过精确解，但精确解通常难以获得。然而，初始条件和传播距离会影响最终结果。在本文中，人工神经网络（ANN）被用作监督学习模型，通过训练不同初始条件样本来预测演化和最终数学表达式。具体地，讨论了隐藏层数量的影响。此外，还分析和比较了使用几种训练算法得到的学习结果。我们的研究为在薛定谔类型系统的物理和工程应用中利用机器学习算法节省时间开辟了一条途径。
作者：Jiaxi Cheng, Siliu Xu, Shengwang Jiang, and Zhiqiang Bo
论文ID：2105.15190
分类：Pattern Formation and Solitons
分类简称：nlin.PS
提交时间：2021-08-05