阅读文献：

Recurrent Neural Network-Assisted Truncation of Convolutional Perfectly Matched Layers for FDTD

发表时间：2024

摘要：

为了提高时域有限差分（FDTD）方法求解无界电磁问题的效率，提出了一种基于递归神经网络(RNN)的卷积完全匹配层截断方法。

在这项工作中，RNN用于捕捉FDTD中的时间行进信息，完成截断CPML接口处场分量的离线训练，并预测每个时间步长截断接口单元上的场分量。通过使用这种方法，可以很好地减少未知量，从而提高计算效率。此外，由于保留了一些CPML，因此后期电磁响应仍然稳定，没有误差积累。 针对这个基于RNN的方法，我们通过两个算例验证了CPML的最优截断位置。

索引术语——吸收边界条件，卷积时域有限差分完全匹配层（FDTD），神经网络（NN）。

词汇：

recurrent 反复出现的(递归)

truncation 截断

Convolutional Perfectly Matched Layers 卷积完全匹配层