基于数据感知傅里叶神经算子加速复杂光子结构时域仿真
光学
2026-02-05 v2
摘要
高效且准确的时域电磁场仿真对于设计宽带和超快光学组件至关重要，但常受传统数值方法（如 FDTD）高计算成本的限制。虽然机器学习方法在加速仿真方面显示出前景，但现有模型仍难以同时捕捉动态场演化并泛化到复杂几何形状。本文引入数据感知傅里叶神经算子 (DA-FNO) 作为一种创新的神经算子，用于求解电磁仿真。该模型以自回归方式应用，迭代预测所有场分量的时间演化，并在能量收敛时自动终止。我们的模型不仅能泛化到复杂和随机的几何形状，还在测试集上表现出良好的预测一致性，覆盖光学 C 波段 (1530-1565nm)。在 representative 配置下，达到比传统方法快 11 倍，同时在 C 波段保持约 95% 的准确率。这一方法为 C 波段光子仿真提供了新途径，potentially 为研究、开发和逆向设计新型光子器件提供支持。
引用
@article{arxiv.2508.17238,
title = {Accelerated Time-Domain Simulation of Complex Photonic Structures with a Data-Aware Fourier Neural Operator},
author = {Zaifan Wu and Yue You and Xian Zhou and Fan Zhang},
journal= {arXiv preprint arXiv:2508.17238},
year = {2026}
}