135 / 2021-06-30 20:36:08

深度学习模型求解等离子体反应动力学能力初探

针对高度非线性的等离子体反应动力学常微分方程体系求解问题，构建了深度学习模型。采用现有的等离子体整体模型代码产生训练数据并训练为前馈神经网络。采用深度学习模型分别计算了氩气和空气放电特性，计算结果与采用传统模型计算的结果吻合良好。计算结果表明，深度学习模型能够挖掘并记忆较为复杂的低温等离子体反应体系中的非线性关系，在实现与传统常微分方程求解器相同的计算能力上，尽管其运算速度并不比传统方法快，但是深度学习神经网络本身具有的逆向求解特性，为未来面向等离子体反应动力学路径选择性实现的电源器件开发提供了一种新的设计方法。