基于图神经网络的3D导体组合场积分方程快速求解器研究
机器学习
2025-01-20 v1 人工智能
数值分析
数值分析
摘要
本文提出了一种基于图神经网络（GNNs）的快速求解器（GraphSolver），用于求解3D导体的组合场积分方程（CFIEs）。采用Rao-Wilton-Glisson（RWG）基函数对3D导体的几何形状进行离散且精确的表示。然后，通过将每个RWG函数视为图中的一个节点，构建了一个简洁且信息丰富的图表示，使得电流能够在节点之间流动。利用转换后的图，GraphSolver被开发出来，直接预测每个节点（RWG函数）处表面电流密度的x、y和z分量的实部和虚部。数值结果证明了GraphSolver在求解具有不同几何复杂度的3D导体（包括基本3D目标、导弹形目标和飞机形目标）的CFIEs方面的有效性。
引用
@article{arxiv.2501.09923,
title = {Study on a Fast Solver for Combined Field Integral Equations of 3D Conducting Bodies Based on Graph Neural Networks},
author = {Tao Shan and Xin Zhang and Di Wu},
journal= {arXiv preprint arXiv:2501.09923},
year = {2025}
}
备注
10 pages,11 figures