激子 - 极化子凝聚：傅里叶神经算子方法
原文中文，约300字，阅读约需1分钟。发表于：。推动了全光器件研究的半导体制造技术进展已经十年，而初步验证显示出即使在环境条件下也能获得令人鼓舞的结果。然而，一个重大挑战依然存在：缺乏能够模拟需要长时间稳定的复杂非线性系统的强大求解器。为了解决这一需求，我们提出了应用基于机器学习的傅立叶神经运算器方法来寻找与额外激子速率方程耦合的 Gross-Pitaevskii 方程的解决方案。我们的研究结果显示，所提出的方法几乎比基于 CUDA 的...
该文章介绍了一种基于机器学习的傅立叶神经运算器方法，可用于解决复杂非线性系统的求解问题。该方法可应用于全光器件研究中的 Gross-Pitaevskii 方程，速度比基于 CUDA 的 GPU 求解器快 1000 倍。这项研究为全光芯片设计提供了实验数据。
