基于极限梯度提升的完美匹配单层智能算法实现航空瞬变电磁问题高效吸收

作者：冯乃星; 王欢; 朱子贤; 董纯志; 李宏杨; 张玉贤^*; 杨利霞; 黄志祥^*

来源：Acta Physica Sinica, 2023, 1-23.

• 极限梯度提升
• 完美匹配单层
• 机器学习
• 时域有限差分

对于航空瞬变电磁（Airborne Transient Electromagnetics，ATEMs）的低频探地问题，除了精度和效率需要考虑，深地探测问题的复杂度也不容忽视，特别是对于低频复杂问题存在异常体与背景间的多尺度效应。为了模拟开域问题，有限厚度区域的完全匹配层被用于截断计算域，然而这也无形中增大了整个模型，造成计算复杂度增加。鉴于此，我们提出了一种新的基于极限梯度提升（eXtreme Gradient Boosting，XGB）的完美匹配单层（Perfectly Matched Monolayer，PMM）模型，并将该模型集成到时域有限差分（Finite-Difference Time-Domain，FDTD）求解器中，以进一步提高时域有限差分仿真的性能。所提出的基于XGB的完美匹配单层模型通过特征注意力集成学习方法可以获得更高的精度，同时占用更少的内存、消耗更少的时间。此外，由于该模型依托于传统机器学习（Machine Learning，ML）模型，因此它在模型训练的稳定性和轻量级方面具有显著的优势。最后，通过对航空瞬变电磁应用进行三维数值模拟，验证了该方法的有效性和稳定性。该模型不仅在精度、效率和问题复杂性方面具有优势，而且还可以成功地集成到时域有限差分求解器中，解决低频航空瞬变电磁问题。

• 单位
  电子信息工程学院; 安徽大学