GRIDS-Net：基于几何正则化和物理嵌入深度学习的逆形状设计与散射体识别
摘要：基于深度学习的遥感和声学散射体设计方法研究：准确预测2D散射体形状的几何正则化方法结合物理嵌入学习，应用于鲁棒的卷积自编码器架构，能够在识别和反问题设计中有效预测2D散射体的形状，并生成具有物理一致性的声学场。对于处理复杂散射体几何形状具有显著能力的这种方法进行了广泛的数值研究，并评估并对比了在DNN预测物理一致反设计的收敛中嵌入物理的作用。
作者：Siddharth Nair, Timothy F. Walsh, Greg Pickrell, Fabio Semperlotti
论文ID：2302.07504
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2023-06-30