摘要
神经网络已被证明能够通过作为电磁求解器的快速替代品来加速光学和电磁设备的建模与逆向设计。然而,这类神经网络可能存在不可靠性,并且通常需要大量的数据进行训练。本文表明,通过利用关于支配物理规律的先验知识来约束神经网络模型,可以缓解这些限制。我们提出了一种基于散射矩阵的准正态模式展开的通用物理信息神经网络框架,用于电磁散射研究。该神经网络能够学习散射谱背后的共振结构,确保遵守能量守恒和因果关系,并且在处理光子晶体板和全介质自由形超表面时显示出显著的数据效率提升。此外,该框架还允许在具备相关条件时手动施加额外的问题特定约束,如无损耗性、对称性和模式数量等。由于准正态模式形式主义的通用性,该方法可应用于广泛的光学和电磁设备。
利益冲突
作者声明没有利益冲突。
数据可用性声明
支持本研究结果的数据可向相应作者提出合理请求后获取。


