具有多个非线性非对称门的线性波导中的机器学习极端声学非互易性
音频与语音处理
2023-02-06 v1 机器学习
声音
摘要
本工作研究了一种无源一维线性波导所展现的声学非互易性，该波导包含两个局部强非线性、非对称的门。两个局部非线性门打破了波导的对称性和线性，产生了强烈的全局非互易声学效应，即根据施加谐波激励的一侧不同，会产生极其不同的声学响应。据作者所知，目前这种双门波导能够实现极高水平的声学非互易性，远超当前文献中报道的有源或无源器件所能达到的水平；此外，这种极端性能与期望波传播方向上可接受的传输率水平相结合。机器学习被用于对这种门控波导进行预测性设计，以传输率和非互易性的度量指标为目标，旨在减少高维参数空间分析所需的计算时间。该研究为这些介质的物理特性提供了新的见解，并考虑了使用神经网络分析此类物理问题的优势与局限性。在预测的强非互易性理想参数空间中，最大传输率高达40%，并且根据波传输方向的不同，从上游到下游的传输能量变化可达九个数量级。本工作中的机器学习工具和数值方法可以为包含局部非线性门的实用非互易波导和声学超材料的设计提供信息。当前论文表明，非线性门的组合可以在保持期望传输率水平的同时，实现极高的非互易性。
引用
@article{arxiv.2302.01746,
title = {Machine Learning Extreme Acoustic Non-reciprocity in a Linear Waveguide with Multiple Nonlinear Asymmetric Gates},
author = {Anargyros Michaloliakos and Chongan Wang and Alexander F. Vakakis},
journal= {arXiv preprint arXiv:2302.01746},
year = {2023}
}