作者：奚敏杰

摘要：

• 首先，做出总场图像（介质目标的散射问题）
• 其次，求解介质目标的雷达散射截面（散射问题）
• 最后，设计天线上方覆板，以实现天线的任意辐射方向图（散射问题）

展望：

1. 介质的介电常数较高时，PIU-net预测精度低；
2. 本文主要研究目标是介质的散射。当使用PIU-net研究逆散射时，物理信息误差判别模块不再适用，需要引入新的约束；（提问：新的约束条件是什么？）
3. 在训练PINN时，发现loss分量的数量级相差极大，如果采用自适应权重算法，将有效改善PINN训练结果；
4. 本文研究的是二维问题，对于有着更多信息的三维问题时，loss或许会无法收敛；
5. 本文研究的案例都是频域问题，考虑波动微分方程，PINN不需要满足数值计算中的色散稳定性条件；而时域问题中，PINN也不需要满足数值计算中的色散稳定性条件。将PINN应用到时域问题很可能没有阻碍。

• 对于专业术语，我查找到的相关信息：
• U-net的相关应用与展望

词汇：

PIU-net（Physics-informed U-net） 包含物理信息的U型网络

Radar Cross section （RCS）雷达散射截面

Physics-informed Neural Network（PINN）包含物理信息的神经网络