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
Conventional numerical analysis techniques based on the Biot-Savart law have been widely employed for magnetic field focusing (MFC) at specific target locations. However, these approaches suffer from exponentially increasing computational burden as the number of transmitting (Tx) coils and the dimensionality of the target space increase, which limits scalability and real-time applicability In particular, the conventional requirement of employing more Tx coils than receiving (Rx) points makes practical MFC implementation challenging. To overcome these limitations, this paper proposes an artificial neural network (ANN)-based algorithm for efficient MFC using finite element method-generated magnetic field. The proposed PyTorch-based ANN model is trained to predict magnetic field intensity and determine optimal current distributions for MFC operation. The effectiveness of the proposed approach was validated using a 4 x 4 Tx coil array and 9 x 9 target points, in which the number of Rx points exceeds the number of Tx coils. Results demonstrate that the proposed ANN-based MFC algorithm achieves accurate MFC, yielding over 99% prediction accuracy at designated target locations.
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) : I410-151-26-02-094729169
