Electromagnetic interaction complexity reduction using deep learning
Elektromanyetik etkileşim karmaşıklığının derin öğrenim kullanarak düşürülmesi
- Tez No: 613339
- Danışmanlar: DOÇ. DR. ÖZGÜR SALİH ERGÜL
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin öğrenme, Elektromanyetik dalgalar, Deep learning, Electromagnetic waves
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, çok seviyeli hızlı çokkutup yöntemi (ÇSHÇY) ile gerçekleştirilen elektromanyetik benzetimlerin hızlandırılması amacıyla yeni bir yaklaşım sunulmuştur. Strateji, iteratif çözümler esnasında elektromanyetik etkileşimlerin aşamalı olarak elenmesine ve kırpılmış ağaç yapılarının oluşturulmasına dayalıdır. Bu tür elemeleri sistematik olarak gerçekleştirmek için, yapay sinir ağı (YSA) modelleri güncellenen yüzey akım katsayılarındaki hataları tahmin etmek için oluşturulmuş ve eğitilmiştir. Bununla ilgili sütun elemelerinin doğrudan satır elemeleri ile de desteklenmesiyle, iterasyonlar devam ettikçe artan seyreklikteki ağaç yapıları ve matris denklemleri elde edilmiştir. Önerilen kırpılmış ÇSHÇY (K-ÇSHÇY) adındaki uygulamanın, büyük ölçekli nesnelerin elektromanyetik simulasyonlarını önemli ölçüde hızlandırdığı, yüksek frekans tekniklerinden de çok daha doğru olduğu gösterilmiştir. K-ÇSHÇY, iyileştirilmiş benzetimler için makine öğreniminin elektromanyetik çözücülere başarılı bir şekilde entegre edildiği bir örnek uygulama olarak görülebilir.
Özet (Çeviri)
In this thesis, we present a novel approach to accelerate electromagnetic simulations by the multilevel fast multipole algorithm (MLFMA). The strategy is based on a progressive elimination of electromagnetic interactions, resulting in trimmed tree structures, during iterative solutions. To systematically perform such eliminations, artificial neural network (ANN) models are constructed and trained to estimate errors in updated surface current coefficients. These column eliminations are supported by straightforward row eliminations, leading to increasingly sparse tree structures and matrix equations as iterations continue. We show that the proposed implementation, namely trimmed MLFMA (T-MLFMA), leads to significantly accelerated electromagnetic simulations of large-scale objects, while the accuracy is still much better than the high-frequency techniques. T-MLFMA can be seen as an exemplar of implementations, where machine learning is successfully integrated into an electromagnetic solver for enhanced simulations.
Benzer Tezler
- Yan kanal saldırılarının derin öğrenme tabanlı analizi
Deep learning-based analysis of sidechannel attacks
SENA ASLIBAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ÜNAL ÇAVUŞOĞLU
- Derin öğrenme destekli dielektrik rezonatör anten tasarımı
Deep learning assisted dielectric resonator antenna design
FİDAN GAMZE KIZILÇAY
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET HİLMİ NİŞANCI
- Gömülü sistemler ile yarı-girişimsel yük izleme kullanarak ev aletlerinin enerji tüketiminin takibi ve enerji tasarrufu önerilerinin sunulması
Monitoring household appliances' energy consumption using embedded systems with silm and providing energy-saving recommendations
ALİ ŞAMİL AYTEKİN
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYDIN TARIK ZENGİN
- Taılorıng mıcrostructure and morphology ın prınted carbon nanomaterıals for straın sensıng
Gerinim algılama için baskılı karbon nanomalzemelerde mikrostruktur ve morfolojinin özelleştirilmesi
ADEL ALRAİ
Doktora
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. HÜLYA CEBECİ
DOÇ. DR. ELİF ÖZDEN YENİGÜN
- Characterization of different shape objects using EM pulse for several different scenarios
Farklı senaryolarda EM darbesi kullanarak farklı şekillerdeki nesnelerin karakterizasyonu
EMRE İŞCAN
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SEBAHATTİN EKER
PROF. VASIL TABATADZE