报告详情-NeuralMAG：基于深度学习的高效微磁学模拟方法研究-第十五届全国表面工程大会-中国机械工程学会表面工程分会

报告详情

NeuralMAG：基于深度学习的高效微磁学模拟方法研究

编号：417 访问权限：PARTICIPANT_ONLY 更新：2025-04-21 21:48:40 浏览：426次特邀报告

报告开始：2025-05-11 14:30

报告时间：20min

所在会场：[N] 数据驱动表面工程论坛 [N2] 下午场

暂无文件

摘要

微磁学模拟是磁存储设计和自旋电子学研究的重要手段，它基于朗道-利夫希茨-吉尔伯特（LLG）方程计算磁性系统的动力学演化。然而，由于全局卷积对退磁场计算的限制，模拟速度一直是微磁学方法的瓶颈。本报告提出了一种名为NeuralMAG的深度学习新框架，通过在传统的微磁学模拟框架中引入U型神经网络(Unet)来加速微磁学模拟。理论分析表明，通过提取不同尺度的特征并学习局部相互作用，并将它们累积起来以近似全局退磁场能够大幅降低计算复杂度，实现高效的大规模模拟。与专注于端到端任务特定近似的现有方法不同，NeuralMAG框架针对核心计算，具有很好的泛化性，可作为微磁学模拟的通用工具。

关键词

机器学习,深度神经网络,磁性薄膜,微磁学模拟

报告人

蔡云麒

中国科学院物理研究所

发表评论

全部评论

重要日期

会议日期

05-09

2025

至

05-11

2025
05-11 2025

注册截止日期
05-14 2025

摘要截稿日期
05-14 2025

初稿截稿日期
08-07 2025

报告提交截止日期

第十五届全国表面工程大会

报告详情

NeuralMAG：基于深度学习的高效微磁学模拟方法研究

摘要

关键词

报告人

蔡云麒

发表评论

全部评论

重要日期

会议日期

主办单位

承办单位

联系方式