用于3D超导导体AC损耗实时评估的结构化神经ODE方法
计算工程、金融与科学
2026-02-17 v2
摘要
高温超导体(HTS)的高效建模对于实时浆液监控至关重要，但由于强非线性，完全阶数的电磁仿真仍不可行。常规的投影基准简化建模流程，如合适正交分解(POD)-离散经验插值法(DEIM)，虽能缓解此类成本，但往往需要对完全阶模型(FOM)算子进行侵入式访问，并且需要大量插值点进行高维化简。本文探讨了面向HTS系统的积分方程法(IEM)的简化策略。我们首次将POD-DEIM应用于IEM基HTS模型，并提出一种结构化神经常微分方程(神经ODE)方法，直接在简化空间中学习非线性动力学。基准结果表明，神经ODE在效率和准确性方面均优于POD-DEIM，凸显其在超导体实时仿真中的潜力。
引用
@article{arxiv.2510.14487,
title = {A Structured Neural ODE Approach for Real Time Evaluation of AC Losses in 3D Superconducting Tapes},
author = {Riccardo Basei and Francesco Pase and Francesco Lucchini and Francesco Toso and Riccardo Torchio},
journal= {arXiv preprint arXiv:2510.14487},
year = {2026}
}
备注
in IEEE Transactions on Applied Superconductivity, 2026