买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于自学习网络架构的电弧等离子体仿真方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120951835B 。

龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511486310.3，技术领域涉及：G06F30/27；该发明授权一种基于自学习网络架构的电弧等离子体仿真方法是由仲林林;王逸凡设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本一种基于自学习网络架构的电弧等离子体仿真方法在说明书摘要公布了：本发明属于等离子体仿真技术领域，公开一种基于自学习网络架构的电弧等离子体仿真方法，包括以下步骤：定义以电弧等离子体的空间坐标和时间为输入，以电弧等离子体控制方程所确定的物理场变量为输出的仿真过程；根据电弧等离子体控制方程构建损失函数，用于衡量物理场变量满足控制方程的程度；以损失函数为衡量网络架构性能的标准，构建用于学习网络架构的离散学习空间，并引入可学习的连续架构参数对离散学习空间进行连续化松弛，得到可微学习空间；有效解决了现有技术中仿真方法存在着神经网络架构设计过度依赖人工经验且缺乏有效指导，导致难以获得最优网络结构，容易造成仿真精度与泛化能力不足的问题。

本发明授权一种基于自学习网络架构的电弧等离子体仿真方法在权利要求书中公布了：1.一种基于自学习网络架构的电弧等离子体仿真方法，其特征在于，包括以下步骤： 定义以电弧等离子体的空间坐标和时间为输入，以电弧等离子体控制方程所确定的物理场变量为输出的仿真过程； 根据电弧等离子体控制方程构建损失函数，用于衡量物理场变量满足控制方程的程度； 以损失函数为衡量网络架构性能的标准，构建用于学习网络架构的离散学习空间，并引入可学习的连续架构参数对离散学习空间进行连续化松弛，得到可微学习空间； 以最小化损失函数为优化目标，采用双层优化方法对可微学习空间中连续架构参数及网络架构自身的网络权重参数进行协同优化，获得最优的连续架构参数； 基于最优的连续架构参数，确定离散学习空间中最优网络架构； 初始化所确定的最优网络架构的网络权重参数，以最小化损失函数为目标，对最优网络架构进行训练； 以训练完成的最优网络架构执行仿真过程，通过输入空间坐标和时间，输出对应的物理场变量，获得电弧等离子体的仿真结果； 离散学习空间包括多种候选的网络架构，网络架构由不同隐藏层数量配置和各隐藏层内不同神经元数量配置组合形成； 引入可学习的连续架构参数对离散学习空间进行连续化松弛，具体包括： 为离散学习空间中每种配置的网络架构分配可优化的连续架构参数； 针对每个网络架构配置中的隐藏层生成对应的由1和0组成的张量掩码； 通过可微分函数将连续架构参数转换为对应张量掩码的架构选择权重； 基于架构选择权重对经掩码处理的各网络架构输出进行加权组合，生成连续可微的隐藏层输出表征，完成连续化松弛处理； 采用双层优化方法对可微学习空间中连续架构参数及网络架构自身的网络权重参数进行协同优化，具体包括内层优化层和外层优化层，其中： 内层优化层用于优化网络架构自身的网络权重参数和偏置w、b； 外层优化层用于优化学习各个张量掩码和恒等变换的连续架构参数Si； 内层优化层、外层优化层优化过程的具体表达式如下： 式中，w、b分别为偏置w、b的优化值；α为比例系数；、分别表示外层优化层和内层优化层的损失函数，均用于衡量网络输出的物理场变量满足控制方程的程度；s.t.表示第一项最小化优化目标的约束条件；M表示可学习的不同神经元数量个数；si表示架构选择权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。