PDF《2018秋季学期电磁学小论文答辩》

17 算法流程与源码 我们的源代码GitHub地址: https://github.com/Chaphlagical/magnetic

18 开发工具: 2019/1/3

10 PART

04 效果展示

19 1. 在画板上绘制轨迹.采样,求曲率圆半径

20 2019/1/3

11 2. 由公式计算磁场大小 计算

21 3. 利用mathmatica作磁场分布图 x/m y/m B/T B/T

22 2019/1/3

12 更丰富的例子:弧23 更丰富的例子:手绘渐开线

24 2019/1/3

13 更丰富的例子:60

25 更丰富的例子 :USTC

26 2019/1/3

14 PART

04 结果讨论与前景展望

27 1. 结果讨论 ・ 结果中的不足1: 对给定轨迹求出的磁场分布比较理想化,实际中有可能难以实现. 解决方法: 通过后续加入修正算法,对得到的理想磁场进一步改 进,使之更贴近现实情况. ・ 结果中的不足2: 由于轨迹上采样距离小,数据较多,计算复杂度高(特别是磁场 优化时),耗时较长. 解决方法: 1.根据研究人员所需要的精度控制采样距离. 2.对程序中的算法进行进一步优化. 3.有条件的话,在计算时可以使用GPU代替CPU.

28 2019/1/3

15 2. 结果拓展 ・ 改进空间1 我们在实验中通过程序生成画板, 在画板上绘制轨迹进行输入. 我们还尝试过输入事先准备的图 片,对图中的轨迹曲线识别后进行磁 场分析.但由于图片中曲线粗细不均, 误差较大. ・ 改进空间2 进一步使用其他机器学习算法, 如神经网络模型,使得我们能够处理 更复杂的曲线与磁场,如三维曲线. IDE A

29 3. 前景展望:More Machine Learning in Physics! 如今机器学习算法已经在计算电磁学、凝聚态物理中得到了研究 人员的关注与应用,相信ML的发展将会助力物理学新的进步! 机器学习的优势: 大数据分析与优化 物理学的前沿:情景复杂化、数据多样化

30 2019/1/3

16 感谢您的聆听!

31 ・提出灵感与基本思路 成员及分工情况 陈文博 李搓 ・提出改进建议 ・算法设计 ・主要的编程工作 ・使用Mathematica进行数据绘图 ・PPT制作 32