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！

龙图腾网获悉南京信息工程大学申请的专利一种基于深度学习的电磁场智能计算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：CN121705667B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610210042.0，技术领域涉及：G06F18/20；该发明授权一种基于深度学习的电磁场智能计算方法是由蒋昊林;孙树恒;李烨设计研发完成，并于2026-02-13向国家知识产权局提交的专利申请。

本一种基于深度学习的电磁场智能计算方法在说明书摘要公布了：本发明公开了一种基于深度学习的电磁场智能计算方法，具体为：将时空输入向量输入至MFF‑PINN神经网络，所述MFF‑PINN神经网络包括个并行的子网络和线性叠加模块，第个子网络包括尺度变换模块，傅里叶特征变换模块以及MLP处理模块，首先对时空输入向量进行尺度变换，然后对尺度变换后的向量进行傅里叶特征变换，所述傅里叶特征变换模块基于有效频率矩阵对尺度变换后的向量进行傅里叶变换；所有子网络共享该傅里叶特征变换，将傅里叶特征变换得到的输出输入至第个子网络中的MLP处理模块；将个子网络的输出进行线性叠加。本发明显著增强了网络对电磁场高频分量及多尺度特征的表达能力。

本发明授权一种基于深度学习的电磁场智能计算方法在权利要求书中公布了：1.一种基于深度学习的电磁场智能计算方法，其特征在于，具体为： 将时空输入向量输入至MFF-PINN神经网络，所述MFF-PINN神经网络包括个并行的子网络和线性叠加模块，其中，表示时刻下的坐标； 第个子网络包括尺度变换模块，傅里叶特征变换模块以及MLP处理模块，首先对时空输入向量进行尺度变换，然后对尺度变换后的向量进行傅里叶特征变换，所述傅里叶特征变换模块中利用矩阵乘法和标量乘法的结合律，定义一个有效频率矩阵，基于该有效频率矩阵对尺度变换后的向量进行傅里叶变换；所有子网络共享该傅里叶特征变换，将傅里叶特征变换得到的输出输入至第个子网络中的MLP处理模块； 将个子网络的输出进行线性叠加，得到时刻下的坐标处的电磁场矢量，； 训练MFF-PINN神经网络的损失函数的表达式为： ； 其中，表示物理信息损失函数，表示初始条件损失函数，表示边界条件损失函数；是平衡物理信息损失的权重超参数，是平衡初始条件损失的权重超参数，是平衡边界条件损失的权重超参数； 采用如下方法构建物理信息损失函数： 构建用于描述二维TE波的麦克斯韦方程组： ； 其中，、、分别表示x轴方向、y轴方向和z轴方向上的电磁场分量，表示介电常数，表示磁导率，为了衡量神经网络输出对于用于描述电磁规律的拟合程度，针对上述麦克斯韦方程组构建以下残差函数： ； 其中，，，分别为第一，第二，第三残差函数；，，分别表示MFF-PINN神经网络预测的在x轴，y轴和z轴上的电磁场分量； 为使得三个残差函数的均方值趋近于零，在时空求解域内部随机采样个配置点；从而构建如下物理信息损失函数： ； 其中，、、分别表示第个配置点对应的第一，第二，第三残差函数。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。