Modeling Space-Dependent Plasmas with Deep Neural Network Surrogate Models
Application ID: 144861
Electron transport in low-temperature plasmas depends strongly on the electron energy distribution function (EEDF), which is often approximated as Maxwellian but is frequently nonequilibrium in reality. Incorporating nonequilibrium EEDF behavior into spatially dependent models often requires precomputed multidimensional lookup tables or the self-consistent solution of the Boltzmann equation during the simulation. This model uses a more efficient alternative: a deep neural network surrogate model trained on Boltzmann equation solutions. This enables accurate integration of kinetic effects into fluid plasma simulations while significantly reducing computational cost.
Dieses Beispiel veranschaulicht Anwendungen diesen Typs, die mit den folgenden Produkten erstellt wurden:
Allerdings können zusätzliche Produkte erforderlich sein, um es vollständig zu definieren und zu modellieren. Weiterhin kann dieses Beispiel auch mit Komponenten aus den folgenden Produktkombinationen definiert und modelliert werden:
Die Kombination von COMSOL® Produkten, die für die Modellierung Ihrer Anwendung erforderlich ist, hängt von verschiedenen Faktoren ab und kann Randbedingungen, Materialeigenschaften, Physik-Interfaces und Bauteilbibliotheken umfassen. Bestimmte Funktionen können von mehreren Produkten gemeinsam genutzt werden. Um die richtige Produktkombination für Ihre Modellierungsanforderungen zu ermitteln, lesen Sie die Spezifikationstabelle und nutzen Sie eine kostenlose Evaluierungslizenz. Die COMSOL Vertriebs- und Support-Teams stehen Ihnen für alle Fragen zur Verfügung, die Sie diesbezüglich haben.