買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學申請的專利一種基于深度學習的電磁場仿真優(yōu)化方法及其系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120449606B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510935745.5，技術(shù)領(lǐng)域涉及：G06F30/23；該發(fā)明授權(quán)一種基于深度學習的電磁場仿真優(yōu)化方法及其系統(tǒng)是由汪巍;楊璞設(shè)計研發(fā)完成，并于2025-07-08向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于深度學習的電磁場仿真優(yōu)化方法及其系統(tǒng)在說明書摘要公布了：本發(fā)明公開一種基于深度學習的電磁場仿真優(yōu)化方法及其系統(tǒng)。本發(fā)明對計算區(qū)域進行離散化，將其劃分成有限個單元；對每個單元的電場構(gòu)建有限元矩陣；將有限元矩陣進行分塊處理，將其中分別描述三角形面區(qū)域的電場梯度和電場旋度的兩個子塊矩陣分別采用類不完全喬里斯基分解模型分解為上三角矩陣和下三角矩陣；對上三角矩陣和下三角矩陣求逆，得到有限元矩陣的近似逆；將有限元矩陣的近似逆代入到共軛梯度算法中，求解得到每個單元的電場；根據(jù)每個單元的電場獲取對應(yīng)的磁場，從而獲取電磁仿真結(jié)果。本發(fā)明通過“分塊降維?圖結(jié)構(gòu)學習?物理約束增強”的技術(shù)路徑，攻克了電磁場仿真中預(yù)處理效率與適應(yīng)性難以兼顧的瓶頸問題。

本發(fā)明授權(quán)一種基于深度學習的電磁場仿真優(yōu)化方法及其系統(tǒng)在權(quán)利要求書中公布了：1.一種基于深度學習的電磁場仿真優(yōu)化方法，其特征在于，所述方法包括： 假設(shè)在整個封閉的計算區(qū)域中存在一個輸入端口、多個輸出端口，電磁能量從輸入端口輸入到計算區(qū)域中，并從輸出端口輸出； 對計算區(qū)域進行離散化，將其劃分成有限個單元；對每個單元的電場構(gòu)建有限元矩陣K； 將有限元矩陣K進行分塊處理，將其中分別描述三角形面區(qū)域的電場梯度和電場旋度的兩個子塊矩陣k11和k22分別分解為上三角矩陣和下三角矩陣； 對上三角矩陣和下三角矩陣求逆，得到子塊矩陣k11和k22的近似逆，從而得到有限元矩陣K的近似逆； 將有限元矩陣K的近似逆代入到共軛梯度算法中，求解得到每個單元的電場； 根據(jù)每個單元的電場獲取對應(yīng)的磁場，從而獲取電磁仿真結(jié)果； 其中，所述兩個子塊矩陣k11和k22分別分解為上三角矩陣和下三角矩陣的過程采用類不完全喬里斯基分解模型進行處理。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號大街1158號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。