×
Exl，卢卡斯;诺伯特·J·毛瑟。;谢弗，塞巴斯蒂安;托马斯·施勒夫;迪特尔·苏斯

利用低秩核方法在降维特征空间中预测磁化动力学。 （英语） Zbl 07515472号

J.计算。物理学。 444，文章ID 110586，20 p.（2021）.
小结：我们建立了一个机器学习模型，用于预测由Landau-Lifschitz-Gilbert方程（微磁学中的运动偏微分方程）描述的作为外部场函数的磁化动力学。该模型可以快速准确地确定对外部场的响应，这可以通过薄膜标准问题来说明。数据驱动方法通过非监督学习的非线性模型约简从内部降低了问题的维数。这不仅使准确预测时间步长成为可能，而且还决定性地降低了学习过程的复杂性，其中将与不同外部场相关的模拟微磁动力学的磁化状态用作输入数据。我们使用核主成分的截断表示来描述时间预测之间的状态。由于核矩阵的低阶近似以及核主成分分析和核岭回归的低阶扩展，该方法能够处理大型训练样本集。该方法将计算完全转换为一个简化的维度设置，将问题维度从数千分解为数十。

引用于1文件

MSC公司：

7.8亿 光学和电磁理论问题的基本方法
78轴 光学和电磁理论的一般主题
68泰克 人工智能

关键词：

非线性模型降阶;低阶核主成分分析;奈斯特罗姆近似;低秩核近似;机器学习;微磁学

软件：

Scikit公司;OOMMF公司
PDF格式BibTeX公司 XML格式引用
\textit{L.Exl}等人，《计算杂志》。物理学。444，文章ID 110586，20 p.（2021；Zbl 07515472）
全文： DOI程序 arXiv公司

参考文献：

[1] μMAG微磁建模活动组
[2] 阿伯特，C。；Exl，L.公司。；塞尔克，G。；Drews，A。；Schrefl，T.，《无偏场计算的数值方法：最近开发的算法的比较》，J.Magn。Magn.公司。材料。，326, 176-185 (2013)
[3] Aharoni，A.，《铁磁性理论导论》，第109卷（2000），克拉伦登出版社
[4] 巴克尔，G.H。；韦斯顿，J。；Schölkopf，B.，《学习寻找预图像》，高级神经信息处理。系统。，16, 7, 449-456 (2004)
[5] Brown，W.F.，《微磁学》，第18卷（1963年），跨学科出版社
[6] 布鲁克纳，F。；达奎诺，M。；塞尔皮科，C。；阿伯特，C。；福格勒，C。；Suess，D.，微磁热噪声的大规模有限元模拟，J.Magn。Magn.公司。材料。，475, 408-414 (2019)
[7] 科尔特斯，C。；莫赫里，M。；Weston，J.，学习字符串映射的一般回归框架，（预测结构化数据（2007））
[8] 达基诺，M。；塞尔皮科，C。；Bertotti，G。；Schrefl，T。；Mayergoyz，I.，开关过程的光谱微磁分析，J.Appl。物理。，第105、7条，第07D540页（2009年）
[9] 达基诺，M。；塞尔皮科，C。；Miano，G.，基于中点规则的Landau-Lifshitz-Gilbert方程的几何积分，J.Compute。物理。，209, 2, 730-753 (2005) ·兹比尔1066.78006
[10] M.J.Donahue。；Porter，D.G.，Oommf用户指南（1999），国家标准与技术研究所，1.0版，机构间报告nistir 6376
[11] Exl，L.，微磁模拟的张量网格方法（2014），维也纳UT（论文）·Zbl 1349.78067号
[12] Exl，L.，杂散场的（L^2）正交分解产生的静磁能量公式，J.Math。分析。申请。，467, 1, 230-237 (2018) ·Zbl 1397.78016号
[13] 排除，L。；毛瑟，新泽西州。；Schrefl，T。；Suess，D.，Landau-Lifschitz-Gilbert方程变阶和步长控制积分的外推显式中点格式，J.Compute。物理。，346, 14-24 (2017) ·Zbl 1378.78010号
[14] 排除，L。；新泽西州毛瑟。；Schrefl，T。；Suess，D.，通过非线性降维学习时间步进以预测磁化动力学，Commun。非线性科学。数字。同时。，84，第105205条pp.（2020）·Zbl 1451.78010号
[15] 费施巴赫，J。；科瓦茨公司。；Gusenbauer，M。；Oezelt，H。；排除，L。；Bance，S。；Schrefl，T.，《稀土高效永磁体的微磁学》，J.Phys。D、 申请。物理。，第51、19条，第193002页（2018年）
[16] 霍夫曼，T。；Schölkopf，B。；Smola，A.J.，《机器学习中的内核方法》，《Ann.Stat.》，1171-1220（2008）·Zbl 1151.30007号
[17] 科瓦茨公司。；菲施巴赫，J。；Oezelt，H。；Gusenbauer，M。；排除，L。；布鲁克纳，F。；苏伊斯，D。；Schrefl，T.，学习磁化动力学，J.Magn。Magn.公司。材料。，491，第165548条pp.（2019）
[18] Kronmueller，H.，《通用微磁理论》（2007），John Wiley&Sons，Ltd。
[19] McMichael，R.，μMAG标准问题#4结果（2020年）
[20] Miltat，J.E。；Donahue，M.J.，《数值微磁学：有限差分方法》（《磁性与先进磁性材料手册》（2007））
[21] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A。；米歇尔，V。；蒂里昂，B。；O.格栅。；布隆德尔，M。；普雷滕霍费尔，P。；韦斯，R。；杜堡，V。；范德普拉斯，J。；帕索斯，A。；库纳波，D。；布鲁彻，M。；佩罗，M。；Duchesnay，E.，Scikit-learn：《蟒蛇中的机器学习》，J.Mach。学习。第12号决议，2825-2830（2011年）·Zbl 1280.68189号
[22] Saitoh，S.，《再生核理论及其应用》（1988年），朗曼科技出版社·Zbl 0652.30003号
[23] Schölkopf，B。；Smola，A。；Müller，K.-R.，核主成分分析，（国际人工神经网络会议（1997）），583-588
[24] Schrefl，T。；Hrkac，G。；Bance，S。；苏伊斯，D。；Ertl，O。；Fidler，J.，《微磁学数值方法（有限元法）》（2007），John Wiley&Sons，Ltd。
[25] 沙列夫·施瓦茨，S。；Ben-David，S.，《理解机器学习：从理论到算法》（2014），剑桥大学出版社·Zbl 1305.68005号
[26] 苏伊斯，D。；巴赫莱特纳·霍夫曼，A。；萨茨，A。；Weitensfelder，H。；沃格勒，C。；布鲁克纳，F。；阿伯特，C。；普吕格尔，K。；Zimmer，J。；Huber，C.，高线性范围低噪声磁传感器的拓扑保护涡旋结构，自然电子。，1, 6, 362 (2018)
[27] 苏伊斯，D。；Tsiantos，V.公司。；Schrefl，T。；菲德勒，J。；肖尔茨，W。；福斯特，H。；Dittrich，R。；Miles，J.，《使用预处理时间积分方法的时间分辨微磁学》，J.Magn。Magn.公司。材料。，248, 2, 298-311 (2002)
[28] Welling，M.，《内核岭回归》（Max Welling’s Classnotes in Machine Learning，2013），1-3
[29] 韦斯顿，J。；沙佩尔，O。；Vapnik，V。；Elisseeff，A。；Schölkopf，B.，核依赖估计，（神经信息处理系统进展（2003）），897-904
[30] 威廉姆斯，C.K。；Seeger，M.，使用NyströM方法加速内核机器，（神经信息处理系统进展（2001）），682-688
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。