利用物理信息神经网络进行时域介电响应逆建模
系统与控制
2025-05-06 v1 机器学习
系统与控制
计算物理
摘要
绝缘材料的介电响应是设计电气绝缘系统和定义各种高压设备安全运行条件的关键输入信息。在介电材料中，不同的极化和电导过程发生在不同的时间尺度上，这使得物理上解释原始测量数据变得困难。为了分析介电响应测量结果，通常使用等效电路模型，将物理系统的复杂性简化为若干能够捕捉主导响应的电路元件。本文研究了利用物理信息神经网络对时域介电响应进行逆建模，使用并联RC电路。为了评估其性能，我们在由相应等效电路模型解析解生成的合成数据上测试了物理信息神经网络，并加入高斯噪声以模拟测量误差。结果表明，物理信息神经网络在解决良态逆问题时非常有效，能够准确估计多达五个未知的RC参数，且对神经网络规模、训练时长和超参数调优的要求极低。此外，我们将等效电路模型扩展以纳入温度依赖性，并证明物理信息神经网络能够从不同温度下采样的含噪介电响应数据中准确恢复嵌入的非线性温度函数。这项关于时域介电响应建模的案例研究，利用最新的科学计算机器学习技术，为依赖等效电路模型的学科提供了一种具有广泛应用潜力的解决方案。
引用
@article{arxiv.2505.02258,
title = {Inverse Modeling of Dielectric Response in Time Domain using Physics-Informed Neural Networks},
author = {Emir Esenov and Olof Hjortstam and Yuriy Serdyuk and Thomas Hammarström and Christian Häger},
journal= {arXiv preprint arXiv:2505.02258},
year = {2025}
}