特邀报告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:仅限参会人 更新:2025-04-21 21:48:40 浏览:472次

2025-05-11 14:30

20min

[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
验证码 看不清楚,更换一张
全部评论