Oct, 2023

基于代理辅助的扩展生成对抗网络在自由形式超表面设计中的参数优化

PDF
TL;DRXGAN 是一种扩展的生成对抗网络（GAN），具有用于高质量自由形态超表面设计的代理。该方法可以从输入的光谱响应准确生成超表面，是传统方法的 500 倍快速，适用于光学超材料、纳米光子器件和药物发现等多种反向设计问题。
metasurfacesfree-formxganspectral responsesinverse design
发现论文，激发创造
  • 基于扩散概率模型的高精度高自由度超材料逆向设计

    本文提出了一种基于扩散概率理论的新型超材料反设计方法，该方法可以逐步从高斯分布中去除噪声并生成满足 S 参数条件的新型高自由度元电池，并且证明实验表明该方法在模型收敛速度、生成精度和质量方面优于 GAN 的代表性方法。

    Apr, 2023

  • 通过生成对抗网络实现高质量面部表面和纹理合成

    提出了一种基于 3D 可变形模型和生成对抗网络的面部综合模型，使用普适化方法将几何数据映射到二维平面，实现了对数字扫描的几何数据高效处理，在人类纹理参数空间中生成逼真的面部纹理和它们的对应几何图形，从而获得了新的高分辨率 3D 面孔。

    Aug, 2018

  • 通过改进的 Transformer 与 CGAN 神经网络生成的人工智能太赫兹多共振超表面

    该研究提出了改进的 Transformer 和条件生成对抗神经网络（CGAN）来实现基于太赫兹多重共振吸收光谱的石墨烯超表面的反向设计，并证明这项工作可以促进人工智能生成超材料的设计过程，并对利用生成神经网络开发基于二维材料的复杂太赫兹超表面提供有用指导。

    Jul, 2023

  • 高效三维翼型参数化与生成的深度生成模型

    本研究提出了一种名为 “Free-Form Deformation Generative Adversarial Networks (FFD-GAN)” 的深度生成模型，可用于三维空气动力学 / 水力学形状优化，例如机翼、涡轮叶片、汽车车身和船体。该模型通过一组紧凑的设计变量映射到表示形状的三维表面点，具有高表征容量 / 紧凑度，并能够加速形状优化。

    Jan, 2021

  • 针对平滑机翼设计的生成对抗网络定制

    在航空航天设计领域，实现平滑曲线至关重要，特别是在制作如翼型等物体时。生成对抗网络（GAN）作为一种广泛使用的生成人工智能技术，在合成翼型设计方面已经证明其重要性。然而，GAN 的一个普遍限制是生成的翼型表面缺乏平滑性。为了解决这个问题，我们提出了一个具有定制损失函数的 GAN 模型，用于产生无缝轮廓的翼型设计。此外，相比于采用后处理平滑滤波器的传统 GAN，我们的模型在设计多样性方面表现出了显著增加。

    Apr, 2024

  • 基于深度生成模型的集合方法进行地下结构表征

    使用 Wasserstein 生成对抗网络（WGAN-GP）和 Ensemble Smoother with Multiple Data Assimilation（ES-MDA）相结合的方法，可以精确和加速进行地下特征表征，从而准确地估计具有可靠不确定性的未知 K 场的主要特征。

    Oct, 2023

  • 双向对抗自编码器用于光热表面结构设计

    使用深度学习设计反向设计方法，以预测拓扑结构的光致发光光谱作为输入数据，采用双向对抗自编码器能够生成能够提供多个峰值的非线性光子元表面，对于先进光子元表面设计具有重要的推进作用。

    May, 2024

  • GNN-Surrogate: 用于探索非结构化网格海洋模拟参数空间的分层自适应图神经网络

    我们提出了基于图神经网络的代理模型 GNN-Surrogate 来探索海洋气候模拟的参数空间，其可以准确高效地预测模拟结果并帮助科学家通过用户指定的可视化映射探索模拟参数空间。

    Feb, 2022

  • 利用生成对抗网络合成面部光度和相应的几何形状

    提出新的生成现实人脸几何结构和纹理重叠的方法，通过将几何纹理表示为图像并将其映射到单位矩形上，绕过了几何数据固有的参数化问题，使用先进的 GAN 方法生成新的几何结构，并提出将纹理和几何之间的关系匹配来保持高质量的真实感，证明了该方法的生成模型具有独立于训练数据的新身份的能力。

    Jan, 2019

  • 潜空间操纵的代理梯度场

    本文提出了一种基于替代梯度场算法的方法，通过操纵关键点和说明文字等多维条件，搜索新的潜在编码，使得编辑后的图像符合目标条件。实验结果表明该方法在人脸属性调整任务方面表现优异，能够更好地处理图像属性的分离问题。

    Apr, 2021