Magnetic Hysteresis Modeling with Neural Operators

要約

ヒステリシス モデリングは磁気デバイスの動作を理解し、最適な設計を容易にするために重要です。
これまで、ヒステリシスのモデル化に採用されていた深層学習ベースの手法は、新しい入力磁場に一般化するという課題に直面していました。
この論文では、磁場間のマッピングを学習することで磁気ヒステリシスを示す構成法則をモデル化するニューラル演算子を提案することで、一般化の課題に取り組んでいます。
特に、ディープ オペレーター ネットワーク、フーリエ ニューラル オペレーター、ウェーブレット ニューラル オペレーターの 3 つのニューラル オペレーターを使用して、新しい一次反転曲線とマイナー ループを予測します。ここで、新しいとは、モデルのトレーニングに使用されないことを意味します。
さらに、磁気ヒステリシスのレートに依存しない特性を組み込むために、トレーニング中に使用されるサンプリング レートとは異なるサンプリング レートで材料応答を予測する、レートに依存しないフーリエ ニューラル オペレーターが提案されています。
提示された数値実験は、ニューラル オペレーターが磁気ヒステリシスを効率的にモデル化し、さまざまな指標で従来のニューラル リカレント法を上回り、新しい磁場に一般化できることを示しています。
この調査結果は、さまざまな磁気条件下でのヒステリシスのモデル化にニューラル オペレーターを使用する利点を強調し、磁性材料ベースのデバイスの特性評価におけるニューラル オペレーターの重要性を強調しています。
この論文に関連するコードは、github.com/chandratue/magnetic_hysteresis_neural_operator にあります。

要約(オリジナル)

Hysteresis modeling is crucial to comprehend the behavior of magnetic devices, facilitating optimal designs. Hitherto, deep learning-based methods employed to model hysteresis, face challenges in generalizing to novel input magnetic fields. This paper addresses the generalization challenge by proposing neural operators for modeling constitutive laws that exhibit magnetic hysteresis by learning a mapping between magnetic fields. In particular, three neural operators-deep operator network, Fourier neural operator, and wavelet neural operator-are employed to predict novel first-order reversal curves and minor loops, where novel means they are not used to train the model. In addition, a rate-independent Fourier neural operator is proposed to predict material responses at sampling rates different from those used during training to incorporate the rate-independent characteristics of magnetic hysteresis. The presented numerical experiments demonstrate that neural operators efficiently model magnetic hysteresis, outperforming the traditional neural recurrent methods on various metrics and generalizing to novel magnetic fields. The findings emphasize the advantages of using neural operators for modeling hysteresis under varying magnetic conditions, underscoring their importance in characterizing magnetic material based devices. The codes related to this paper are at github.com/chandratue/magnetic_hysteresis_neural_operator.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google