场-材料耦合神经网络：面向 terahertz 带宽复杂介电常数提取的无先验无数据逆问题求解器
应用物理
2026-02-24 v2
摘要
准确提取 terahertz（THz）带的复复材料常数对于材料表征和无损检测至关重要，但由于电磁逆问题的 ill-posed 本质以及可靠参考数据稀缺的限制，仍备受挑战。本文提出了场-材料耦合神经网络（FMCNN），用于从 THz 测量结果直接检索复复材料常数。FMCNN 由场神经网络和材料神经网络组成，两者通过以 Helmholtz 方程形式表示的频域麦克斯韦方程组耦合，受偏微分方程（PDE）和边界条件约束的制约。这种表述使逆问题能够在无需任何参考数据的情况下完成，仅需输入测量的测试数据。提取的介电常数通过与一维正入射模型和 Drude-Lorentz 模型的结果进行比较进行了验证，结果在宽频范围内表现良好，尤其在 0.2 THz 以上频段表现尤为突出。这些结果表明，FMCNN 提供了一种在 THz 带宽进行材料参数提取的物理一致且数据高效的方法，为传统模型方法提供了一种替代方案。
关键词
引用
@article{arxiv.2602.09647,
title = {Field-material coupled neural network: A novel prior-free and data-free inverse problem solver for extracting complex dielectric constant in terahertz band},
author = {Pengfei Zhu and Stefano Sfarra and Elena Pivarciova and Carlo Santulli and Xavier Maldague},
journal= {arXiv preprint arXiv:2602.09647},
year = {2026}
}