인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
The current underutilization of existing physics-informed neural networks (PINN) in the domain of electromagnetic fields necessitates a concerted effort to facilitate the gradual transition from finite element methods to PINN. The complexity of simulating electric fields across various media using PINN presents significant challenges, particularly when addressing multiple equations and media in the context of magnetic field analysis, where numerous magnetic field quantities must be resolved. This study employs PINN to achieve the solution of the electric field at a simple boundary, enabling the simulation of electric fields in diverse media by accounting for varying conductivity. Additionally, the research addresses the dynamics of electric field solutions in response to time-varying boundaries. Subsequently, multiple equations are encoded concurrently, and boundary conditions are established to facilitate the simultaneous prediction of multiple magnetic fields. Ultimately, the methodology addresses the resolution of vector magnetic fields in nonlinear materials across multiple media. The accuracy of the proposed approach is corroborated through a comparative analysis with the finite element method.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094397354
