学术简讯 |《自然·机器智能》封面文章：深度学习加速微磁学模拟

本文介绍了昆明理工大学和清华大学联合团队在《自然·机器智能》杂志上发表的一项研究，该研究通过深度学习技术显著降低了微磁学模拟的计算复杂度。传统的微磁学模拟基于朗道-利夫希兹-吉尔伯特（LLG）方程，计算复杂度高，难以处理大尺度样本。研究团队提出了一种基于U型神经网络（Unet）的计算方案，通过分层计算局部静磁相互作用来近似全局卷积计算，从而将计算复杂度降低到可接受的水平。实验结果显示，该方案在保持精度的同时，显著提高了计算速度和内存效率，为大尺度磁性系统的研究提供了新的可能性。