电子信息工程学院智算电磁学团队提出新型时间序列神经网络解决高功率微波防护问题

近日，我校电子信息工程学院智算电磁学团队在时序神经网络辅助高功率微波高效防护方面取得了进展，相关工作以An Alternative Implementation of Multivariate-Teaching-based Transformer for High-Power Microwave Problems with Plasma Array为题在《IEEE Transactions on Microwave Theory and Techniques》上发表论文（DOI: 10.1109/TMTT.2025.3546236）。冯乃星副教授为论文第一作者，安徽大学黄志祥教授和杨利霞教授为通讯作者，课题组硕士生董纯志为论文第二作者，安徽大学为第一作者单位及第一通讯单位。

《IEEE Transactions on Microwave Theory and Techniques》是计算电磁学、微波理论与技术领域的国际顶级期刊，中科院一区TOP期刊，重点收录聚焦于与微波/毫米波组件、设备、电路和系统相关的工程和理论部分，涉及微波信号的产生、调制、解调、控制、传输和检测。

高功率微波具有强大的能量，可以对电子设备中的电路、芯片等元器件造成损坏；对敌方的雷达、通信设备、导弹等军事装备造成严重破坏，使其失去作战能力；亦可以穿透人体组织，对人体的各个器官和系统造成损害。为了智能化实现柱状等离子阵列用于高功率微波高效防护，课题组提出了一种名为Teaching Multivariate Attention的注意力机制，并基于Encoder-Decoder架构实现了Multivariate-Teaching-based Transformer算法。经证明，该方法在预测等离子体电子密度以及电场强度的未来响应、推断等离子体电子密度以及电场强度中的缺失值以及实现高功率微波反演上分别取得了98.864%、99.935%、97.096%、98.818%、99.982%的精度，远高于iTransformer模型在同等任务上的预测精度。

图.（a）柱状等离子体阵列用于高功率微波防护的三维示意图；（b）Multivariate-Teaching-based Transformer算法架构图；（c）Multivariate-Teaching-based Transformer模型使用说明

图.（d）利用有限元方法计算真实高功率微波参数和Multivariate-Teaching-based Transformer模型实现高功率微波反演参数下的等离子体电场强度变化曲线；（e）利用有限元方法计算真实高功率微波参数和Multivariate-Teaching-based Transformer模型实现高功率微波反演参数下的等离子体电子密度变化曲线