基于变分自编码器的非参数通风声共振器逆向设计
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对传统非线性声响应导致的非参数化通风声共振器（VAR）设计空间限制的问题，提出了一种新的变分自编码器模型（AR-VAE），该模型能够高效、准确地进行VAR的逆向设计。研究显示，与常规深度学习方法相比，AR-VAE在均方误差上实现了25倍的降低，显著提高了设计效率和准确性，具有广泛的应用潜力。
本文提出了一种基于变分自编码器 (VAE) 的模型，用于构建前向和逆向的结构-性质联系。该模型通过双层先验条件于回归变量来结合VAE和回归模型，可以用于前向和逆向预测微观结构的属性。实验结果表明，该模型在前向预测方面与最先进的仅前向模型一样准确，并且能够实现所需的属性，避免了昂贵的优化过程。
