基于阻变单元阵列的矩阵特征值求解电路实现方法

    公开(公告)号:CN117852597A

    公开(公告)日:2024-04-09

    申请号:CN202311819706.6

    申请日:2023-12-27

    Applicant: 东南大学

    Abstract: 本发明提供了一种基于阻变单元阵列的矩阵特征值求解电路实现方法。该方法包括:设置阻变单元阵列的节点电导值,将矩阵(A‑βI)的各元素初始值写入阻变单元阵列中;将随机列向量b所对应的电流信号通过阻变单元阵列的位线端输入,同时开关将β所对应的阻变单元接入阻变单元阵列的对角线节点,完成一次线性方程组(A‑βI)x=b的求解,并完成解向量a的无穷范数求解和存储;开关电路将β所对应的阻变单元接入阻值调控电路,完成阻值的更新;重复上述过程,直至完成β的遍历,无穷范数的所有极值所对应的β值即为矩阵的全部特征值。本发明采用模拟域的存内计算方式,能够在提高计算速度的同时降低能耗。

    一种基于时域有限差分法和卷积神经网络的数字编码超表面响应特性自动预测方法

    公开(公告)号:CN118536328A

    公开(公告)日:2024-08-23

    申请号:CN202410474625.5

    申请日:2024-04-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于时域有限差分法和卷积神经网络的数字编码超表面响应特性自动预测方法,包括:随机生成多组由数字0/1组成的代表超表面几何特征的0/1矩阵,并设置光场信息和仿真参数;根据0/1矩阵建构对应超表面的时域有限差分模型;根据设置的光场信息和仿真参数,对时域有限差分模型进行仿真,并收集超表面的电磁响应数据,利用电磁响应数据和0/1矩阵,制作、划分CNN网络模型的训练集和测试集;构建CNN网络模型,并根据训练集对CNN网络模型进行训练;利用训练后的CNN网络模型,对数字编码超表面的电磁响应特性进行快速预测。本发明方法可对任意几何特征的超表面的电磁响应进行快速、高精度的预测。

Patent Agency Ranking