اکسپرس 24
ترجمه فارسی مقاله عملگر عصبی درون‌یابی موج: پیش‌بینی درون‌یابی‌شده میدان‌های الکتریکی در طول موج‌های آموزش‌ندیده

ترجمه فارسی مقاله عملگر عصبی درون‌یابی موج: پیش‌بینی درون‌یابی‌شده میدان‌های الکتریکی در طول موج‌های آموزش‌ندیده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Wave Interpolation Neural Operator: Interpolated Prediction of Electric Fields Across Untrained Wavelengths
عنوان مقاله به فارسی عملگر عصبی درون‌یابی موج: پیش‌بینی درون‌یابی‌شده میدان‌های الکتریکی در طول موج‌های آموزش‌ندیده
نویسندگان Joonhyuk Seo, Chanik Kang, Dongjin Seo, Haejun Chung
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
دسته بندی موضوعات Machine Learning,Emerging Technologies,Optics,یادگیری ماشین , فن آوری های نوظهور , اپتیک ,
توضیحات Submitted 6 August, 2024; originally announced August 2024. , Comments: 9 pages, 5 figures, 4 tables / Appendix: 4 pages, 4 figures, 3 tables
توضیحات به فارسی ارائه شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 9 صفحه ، 5 شکل ، 4 جدول / پیوست: 4 صفحه ، 4 شکل ، 3 جدول

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 520,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Designing photonic structures requires electromagnetic simulations, which often require high computational costs. Researchers have developed surrogate solvers for predicting electric fields to alleviate the computational issues. However, existing surrogate solvers are limited to performing inference at fixed simulation conditions and require retraining for different conditions. To address this, we propose Wave Interpolation Neural Operator (WINO), a novel surrogate solver enabling simulation condition interpolation across a continuous spectrum of broadband wavelengths. WINO introduces the Fourier Group Convolution Shuffling operator and a new conditioning method to efficiently predict electric fields from both trained and untrained wavelength data, achieving significant improvements in parameter efficiency and spectral interpolation performance. Our model demonstrates approximately 100 times faster performance than traditional finite-difference frequency-domain simulations. Moreover, compared to the state-of-the-art model, we achieve a 74% reduction in parameters and 80.5% improvements in prediction accuracy for untrained wavelengths, and 13.2% improvements for trained wavelengths.

چکیده به فارسی (ترجمه ماشینی)

طراحی ساختارهای فوتونی نیاز به شبیه سازی الکترومغناطیسی دارد که اغلب به هزینه های محاسباتی بالایی نیاز دارند.محققان برای پیش بینی زمینه های الکتریکی برای کاهش مسائل محاسباتی ، حل کننده های جانشین را توسعه داده اند.با این حال ، حل کننده های جانشین موجود محدود به انجام استنباط در شرایط شبیه سازی ثابت هستند و برای شرایط مختلف نیاز به آموزش مجدد دارند.برای پرداختن به این موضوع ، ما اپراتور عصبی درون یابی موج (WINO) را پیشنهاد می کنیم ، یک حل کننده جانشین جدید که باعث ایجاد شرایط شبیه سازی می شود در یک طیف مداوم از طول موجهای باند پهن.WINO اپراتور تغییر شکل گروه فوریه و یک روش تهویه مطبوع جدید را برای پیش بینی کارآمد زمینه های الکتریکی از داده های آموزش یافته و آموزش نشده به طول موج معرفی می کند و به پیشرفت های قابل توجهی در راندمان پارامتر و عملکرد درون یابی طیفی دست می یابد.مدل ما تقریباً 100 برابر عملکرد سریعتر از شبیه سازی های فرکانس دامنه با اختلاف محدود سنتی را نشان می دهد.علاوه بر این ، در مقایسه با مدل پیشرفته ، ما به کاهش 74 ٪ پارامترها و 80.5 ٪ پیشرفت در دقت پیش بینی برای طول موج های آموزش نیافته و پیشرفت های 13.2 ٪ برای طول موج های آموزش دیده می رسیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.