人工智能在计算等离子体中的应用

由于等离子体固有的特性,其计算过程通常耗时较长。尽管传统方法已经能够成功求解不同类型的系统,但随着系统复杂性的增加,找到快速高效的求解方法成为研究人员面临的一大难题。近年来,人工智能技术发展迅猛,许多涉及复杂物理过程的算法和网络相继涌现,逐渐成为等离子体仿真研究的重要助力。本文综述了人工智能在计算等离子体领域中的应用,探讨了近年来该领域的发展与前沿,分析了不同网络的优缺点,并展望了人工智能在等离子体仿真中的未来发展方向。

含铁氧体陶粒骨料电磁波损耗模型与性能研究

基于Mie理论建立了铁氧体负载于陶粒表面的包覆型骨料和铁氧体均匀分布于陶粒内部的混合型骨料的电磁波损耗模型,研究了吸波剂掺量、骨料粒径和入射波频率的变化对两种骨料电磁波损耗性能的影响。结果表明:(1)当吸波剂掺量为20%、粒半径为5~7.5 mm、入射波频段为8~18 GHz时,两种含铁氧体陶粒骨料的电磁损耗能力较好;(2)对比分析两种骨料在不同吸波剂掺量、粒径和入射波频率时的电磁损耗情况后可知,混合型骨料具有更好的电磁波损耗性能和更宽的高损耗频带。