A novel hierarchical machine-learning-based method for efficient solutions of electromagnetic scattering problems

Bu tezde, mükemmel elektrik iletkeni nesnelerden elektromanyetik saçılma problemlerini çözmek için yeni bir hiyerarşik makine öğrenimi tabanlı yöntem öneriyoruz. Önerilen yöntem, ayrıklaştırılmış yüzey integrali denklemlerini çözer ve kontrol edilebilir bir hata ile hiyerarşik çok seviyeli bir düzen sağlamak için çok seviyeli hızlı çokkutup yöntemine (ÇSHÇY) benzer bir ağaç yapısı kullanır. Yöntemin özgünlüğü, tek-kutulu-tampon şemasına dayalı uzak bölge etkileşimleri için matris-vektör-çarpımlarının hesaplanmasından gelir. Bu etkileşimler, verilen geometri için grup halinde yapay sinir ağları yardımıyla kutudan kutuya serbest uzay diyadik Green fonksiyonunun yakınsanmasıyla gruplar halinde hesaplanır. Bu nedenle, serbest uzay diyadik Green fonksiyonunu yakınsayacak sinirsel ağ modelleri belirli bir geometri için eğitildikten sonra, aynı elektrik boyutuna sahip tüm saçıcılara herhangi bir uyarım için uygulanabilirler. Ön sonuçlar, algoritmanın isabetli sonuçlar sunduğunu ve ÇSHÇY gibi mevcut en gelişmiş yöntemlerle karşılaştırılabilir bir karmaşıklığa sahip olduğunu göstermektedir. Ek olarak, önerilen yöntem, ÇSHÇY'nin iyi bilinen düşük-frekans bozulması problemini sergilemez ve hesaplama verimliliği paralelleştirme ile iyileştirilebilir.