集成共享粗模型的高级空间映射技术：用于可调滤波器的多状态调谐驱动的多物理优化
摘要
本文介绍一种先进的空间映射(SM)技术，应用共享基于电磁(EM)的粗模型，用于可调滤波器的多状态调谋驱动的多物理优化。SM方法将EM单物理仿真的计算效率与多物理仿真的精度相结合。该共享粗模型基于对应于various nontunable design parameters值的EM单物理响应。相反，fine model用于描绘多物理响应相对于nontunable和tunable design parameter值的行为。 proposed overall surrogate model由多个子surrogate model组成，每个子surrogate model包含一个共享粗模型和两个distinct mapping neural networks。来自EM单物理场的共享粗模型响应为多物理场的fine响应提供了合适的近似值，而映射神经网络则促进了从EM单物理场向多物理场的转换。每个子surrogate model保持一致的nontunable design parameter值，但possesses unique tunable design parameter值。通过开发多个子surrogate model，可同时为每个调谐状态执行优化。nontunable design parameter值由所有调谐状态所约束，而tunable design parameter值则限于其各自的调谐状态。该优化技术同时考虑所有调谐状态，以满足必要的multiple tuning state requirements。多个EM和多物理训练样本可同时生成以开发该surrogate model。与现有的直接多物理参数化建模技术相比，我们的方法在更少的训练样本和更低的计算成本下实现了更高的多物理建模精度。
引用
@article{arxiv.2507.14220,
title = {Advanced Space Mapping Technique Integrating a Shared Coarse Model for Multistate Tuning-Driven Multiphysics Optimization of Tunable Filters},
author = {Haitian Hu and Wei Zhang and Feng Feng and Zhiguo Zhang and Qi-Jun Zhang},
journal= {arXiv preprint arXiv:2507.14220},
year = {2025}
}