在人工智能與電磁學融合的背景下，電磁學研究正經歷革命。人工智能技術在電磁仿真加速、天線設計優化、電磁兼容性分析、逆向電磁問題求解、自適應濾波器設計及電磁設計自動化等方面展現出巨大潛力，顯著提升了傳統電磁場與波研究的效率和精度，推動了通信、雷達及無線能量傳輸等領域的發展。
與此同時，人工智能與光子學設計融合創新，科研的邊界持續擴展，研究成果不斷涌現。從理論模型的整合到光學現象的復雜模擬，從數據驅動的探索到光場的智能分析，機器學習正以前所未有的動力推動光子學領域的革新。
COMSOL多物理場仿真因其高效計算和多場耦合分析特性，已成科研與工程建模/計算的利器。將COMSOL仿真引入實驗中，可視化處理與實驗數據相結合，大大強化了文章的說服力與新穎性。
FDTD Solutions是一款先進的微納光學設計工具，采用時域有限差分（FDTD）方法精確求解麥克斯韋方程組，適用于CMOS圖像傳感器、OLED、液晶、表面等離子體、石墨烯、太陽能電池、集成光子組件、超材料、衍射光學和光子晶體的設計與仿真。軟件支持空間濾波、場極化、磁場模擬及周期性結構分析等功能，為電磁和光子學問題提供直接的時空解決方案。
為了滿足廣大科研人員對機器學習與光子學設計/電磁學/COMSOL/FDTD深入學習與高效應用的需求，特舉辦“人工智能在電磁場與微波技術專業的應用”、“機器學習賦能的智能光子學器件系統研究與應用”、“FDTD Solutions（時域有限差分）仿真技術與應用”及“COMSOL Multiphysics多物理場仿真技術與應用-光電專題（四十期）”培訓班，本次培訓會議主辦方為北京軟研國際信息技術研究院，承辦方為互動派（北京）教育科技有限公司，相關事宜通知如下：
專題一 (直播4天) | 人工智能在電磁場與微波技術專業的應用 （詳情內容點擊上方名稱查看） 2024年10月26日-10月27日 2024年11月02日-11月03日 | |
專題二 (直播4天) | 機器學習賦能的智能光子學器件系統研究與應用 （詳情內容點擊上方名稱查看） 2024年10月26日-10月27日 2024年11月02日-11月03日 | |
專題三 (直播4天) | COMSOL光電專題 （詳情內容點擊上方名稱查看） 2024年10月19日-10月20日 2024年10月26日-10月27日 | |
專題四 (直播4天) | FDTD Solutions（時域有限差分）仿真技術與應用 （詳情內容點擊上方名稱查看） 2024年10月19日-10月20日 2024年10月26日-10月27日 | |
計算機科學與工程、電氣工程、通信工程、電力工程、物理學、電子工程、材料科學、工業通用技術、汽車工程、微波工程、機械工程、建筑科學、土木工程、航空航天、光電工程、微納光學、超構材料、光通信、光電子器件及自動化技術等領域的科研人員、工程師及相關行業從業者、跨領域研究人員。
人工智能在電磁場與微波技術專業的應用
一、神經網絡入門? +手寫體識別（理論+實操） ?? ? MNIST數據集 ?? ? 網絡結構 ?? ? 模型訓練 ?? ? 輸出結果 | |
二、一維卷積自編碼器構建濾波器電磁仿真模型的替代模型（理論+實操） 理論內容：（1D-CAE 模型構建、樣本數據的獲取、1D-CAE 模型搭建、1D-CAE 模型的評估方法） 實例操作： ? 基于1D-CAE 模型和PSO 算法的六階陶瓷介質濾波器設計 ? 基于1D-CAE 模型和PSO 算法的八階陶瓷介質濾波器設計 ? 基于1D-CAE 模型和PSO 算法的SLSL耦合器設計 ? 基于1D-CAE 模型和PSO 算法的D-CRLH 濾波器設計 | |
三、基于隨機森林算法確定待優化設計參數的優化權重（理論+實操） 理論內容：（算法框架 、數據處理 、算法實現 、評估方法 ） 實例操作： ?? ? 雙模介質濾波器的幾何參數權重預測 ?? ? 八階腔體濾波器的幾何參數權重預測 | |
四、基于指標區間法的 PSO 算法階段式智能優化算法（理論+實操） 理論內容：（算法框架與實驗設置、改進的PSO指標區間法 ? 、代理模型的搭建及訓練、實驗數據的獲取 、實驗環境） 實例操作： ?? ? 四階腔體濾波器的算法優化 ?? ? 八階腔體濾波器的算法優化 ?? ? 六階腔體濾波器的算法優化 | |
五、基于自適應更新代理模型輔助 PSO 優化算法（理論+實操） 理論內容：（算法框架與實驗設置、基于在線數據驅動的代理模型自適應更新、代理模型的搭建及訓練、實驗數據的獲取、實驗環境） 實例操作： ?? ? 雙模介質濾波器算法優化 ?? ? 六階介質濾波器的算法優化 ?? ? 四階腔體濾波器的算法優化 | |
六、基于1D-CNN提取耦合矩陣的濾波器設計方法（理論+實操） 理論內容：（基于1D-CNN 模型的耦合矩陣提取方法、數據生成及處理、1D-CNN 模型構建、網絡訓練與優化、相位加載效應的消除） 實例操作： ?? ? 四階腔體濾波器的設計實例 ?? ? 六階腔體濾波器的設計實例 | |
七、matlab實現矢量擬合法（理論+實操） 理論內容：（數據文件與介紹、矢量擬合原理與程序函數調用、matlab實現矢量擬合法步驟） 實例操作：根據頻率響應實現矢量擬合、矩陣擬合等 | |
八、基于代理模型輔助MOEA/D的微波濾波器件多目標優化算法（理論+實操） 理論內容：（算法基礎模塊與框架介紹、代理模型自適應采樣模塊、代理模型建立模塊） 實例操作：微波雙工器優化實例驗證 | |
九、基于自適應權重向量MOEA/D的微波濾波器件優化算法（理論+實操） 理論內容：（MOEA/D-ANWV、權重向量更新機制、總體算法框架） 實例操作: ?? ? 金屬腔體濾波器的算法優化 ?? ? 金屬腔體雙工器的算法優化 | |
十、微波濾波器件智能多目標輔助調試算法（理論+實操） 理論內容：（微波濾波器件智能輔助調試算法框架+微波濾波器件仿真調試驗證） 實例操作： ?? ? 金屬腔體濾波器的仿真智能調試 ?? ? 金屬腔體雙工器的仿真智能調試 | |
十一、微波濾波器件智能多目標輔助調試算法（理論+實操） 理論內容：（基于自編碼器代理模型和全連接神經網絡的天線優化設計方案、AE-ANN天線優化設計方案整體框架、AE-ANN天線優化設計方案實現步驟） 實例操作： ?? ? “北斗”衛星微帶貼片天線 ?? ? 數據集的獲取和數據預處理 ?? ? 自編碼器代理模型和全連接神經網絡模型的搭建和訓練 ?? ? 優化結果分析 | |
十二、基于卷積自編碼器代理模型和粒子群算法的天線優化設計（理論+實操） 理論內容：（CAE-PSO天線優化設計方案整體框架、CAE-PSO天線優化設計方案實現步驟） ?實例操作： ?? ? 同軸饋電矩形微帶天線 ?? ? 數據集的獲取和數據預處理 ?? ? 卷積自編碼器代理模型的搭建和訓練 ?? ? 粒子群優化算法設計 ?? ? 優化結果分析 | |
十三、電磁學時域有限差分法 ?? ? 時域有限差分法的基本方程 ?? ? 導數的差分近似 ?? ? 三維問題的FDTD更新方程 數值穩定性和色散 ?? ? 時域算法中的穩定性 ?? ? FDTD方法的CFL穩定條件 ?? ? 數值色散 在Yee網格中創建目標 ?? ? 目標的定義 ?? ? 媒質近似 ?? ? 創建媒質網格 有/無源集總參數電路 ?? ?FDTD中元件的更新公式 ?? 元件的定義、初始化和模擬 ?? 正弦波電源激勵的電阻 激勵源與時頻變換 ?? ? 常用FDTD仿真波形 ?? ? 激勵源的定義和初始化 ?? ? 時城與頻域的相互變換 散射參量 ?? ? S參量和回波損耗的定義 ?? ? S參數的計算 ?? ? 1/4波長變換器 卷積完美匹配層 ?? ? CPML的公式及算法 ?? ? CPML參數分布 ?? ? 微帶線的S參數 |
部分案例圖示：
機器學習賦能的智能光子學器件系統研究與應用
課程背景 | ||
課程針對希望了解和掌握在集成光學/空間光學方面的器件、系統和算法結合應用的科研人員及開發者。課程主要為光子學與機器學習的交叉學科理論講解與結合案例實操的技術講解，以期銜接常見機器學習模型及框架的使用與各種光學器件和系統實際應用中的間隔。先介紹常用的光子學仿真設計手段與基于 Python 語言的機器學習框架，講解機器學習的基本算法與當前實用的幾種深度學習網絡架構，并結合前沿的文獻案例進行示例演示與練習，案例涵蓋 Science 等頂刊（開闊視野）與科研中較為實用的期刊（難度適中，便于快速掌握及取得成果），有利于短期及中長期的科研和開發流程。最后針對講解當前最新的前沿進展應用，拋磚引玉，增進對于機器學習在光子學中的應用的深度理解。 | ||
智能光子學緒論 | 1.1 空間光學系統與集成微納光子學系統概論 1.2 機器學習和人工智能的基本概念與發展歷程 1.3 機器學習方法在光子學設計中的應用簡介 1.4 光子學器件構建神經網絡的應用簡介 | |
光子學器件仿真軟件基礎與器件逆向設計 | 2.1 光子學器件的主要設計目標和調控方法 2.2 Rsoft, Ansys optics 光子學仿真軟件介紹與基本操作 2.3 時域有限差分方法與空間光場模擬 案例分析：傳播相位與幾何相位超構單元仿真與器件庫提取與二維超構透鏡設計與傳播光場仿真 2.4 波導器件仿真與片上光學系統設計 案例分析：片上的超構單元仿真與光學參數提取 2.5 基于仿真軟件的光子學逆向設計 ?? 光子學逆向設計的概念 ?? 基于粒子群算法的光學器件優化 ?? 基于伴隨方法的光子學器件優化 案例分析：基于粒子群方法的耦合器設計 | |
機器學習方法簡介與 Python 軟件基礎 | 3.1 機器學習基礎概念 3.2 監督學習與無監督學習 3.3 簡單常用算法簡介（如線性回歸、SVM 等） 3.4 Python 編程基礎 ?? Python 環境搭建與工具介紹（如 Jupyter ? Notebook） ?? 基本語法與數據結構 ?? NumPy 等庫的使用 ?? 數據可視化工具（如 Matplotlib 等） ?? 深度學習框架 Pytorch 簡介 | |
常用的深度神經網絡簡介與 Python 實現 | 4.1 深度學習簡介 4.2 神經網絡基礎概念與結構 4.3 深度學習的基本原理與訓練過程 4.4 常用深度網絡模型簡介 ?? 全連接網絡(FC） ?? 卷積神經網絡（CNN） ?? 帶歷史記憶的網絡（如 RNN） 4.5 案例分析：基于 Python 的幾種神經網絡構建 ?? 全連接網絡 ?? 卷積神經網絡 ?? U-Net 4.6 一個基本的全連接網絡模型的搭建與訓練 | |
深度學習在微納光子學中的應用 | 5.1 微納光子器件的基本原理與常見結構 5.2 基于深度學習的光譜預測與逆向設計? ? 案例分析：一維的和二維的全介質和金屬SPR 材料的光譜預測與逆向設計 5.3 基于機器學習的電磁近場預測和逆向設計 案例分析：介質超構表面的近場調控設計 5.4 基于深度學習的超構單元生成 案例分析：基于生成-對抗網絡的電磁調控結構定制化生成 | |
深度學習在其他光學系統中的應用 | 6.1 深度學習在多樣化的光學系統中的應用概述 6.2 深度學習在計算成像中的應用 案例分析：深度學習增強的非線性光纖單像素成像系統 6.3 深度學習在圖像處理中的應用 | |
光子學器件賦能的深度神經網絡應用 | 7.1 光子學器件在深度學習中的應用概述 7.2 基于光學矩陣-向量相乘的卷積加速器 7.3 衍射光學神經網絡 案例分析：基于片上衍射神經網絡的超構光學系統用于圖像分類 7.4 光學神經網絡的優勢與挑戰 | |
機器學習與光子學的高階應用介紹與未來展望 | 8.1 深度學習賦能光子芯片制造 案例分析：通過機器學習優化工藝容差與器件性能 8.2 機器學習賦能的傳統光學儀器增強 案例分析：基于深度學習的高分辨紅外熱波段雷達 8.3 光子學硬件賦能的低功耗信息處理 案例分析：基于衍射神經網絡的太赫茲光學處理器（Science） 8.4 非典型機器學習系統——萬物皆可機器學習（Nature） | |
部分案例展示：
COMSOL 多物理場仿真技術與應用-光電專題（四十期）
（一）案列應用實操教學： | ||
案例一 | 光子晶體能帶分析、能譜計算、光纖模態計算、微腔腔膜求解 | |
案例二 | 類比凝聚態領域魔角石墨烯的moiré 光子晶體建模以及物理分析 | |
案例三 | 傳播表面等離激元和表面等離激元光柵等 | |
案例四 | 超材料和超表面仿真設計，周期性超表面透射反射分析 | |
案例五 | 光力、光扭矩、光鑷力勢場計算 | |
案例六 | 波導模型（表面等離激元、石墨烯等）本征模式分析、各種類型波導傳輸效率求解 | |
案例七 | 光-熱耦合案例 | |
案例八 | 天線模型 | |
案例九 | 二維材料如石墨烯建模 | |
案例十 | 基于微納結構的電場增強生物探測 | |
案例十一 | 散射體的散射，吸收和消光截面的計算 | |
案例十二 | 拓撲光子學：拓撲邊緣態和高階拓撲角態應用仿真 | |
案例十三 | 二硫化鉬的拉曼散射 | |
案例十四 | 磁化的等離子體、各向異性的液晶、手性介質的仿真 | |
案例十五 | 光學系統的連續譜束縛態 | |
案例十六 | 片上微納結構拓撲優化設計(特殊情況下，利用二維系統來有效優化三維問題) | |
案例十七 | 形狀優化反設計：利用形狀優化設計波導帶通濾波器 | |
案例十八 | 非厄米光學系統的奇異點：包括PT對稱波導結構和光子晶體板系統等 | |
案例十九 | 微納結構的非線性增強效應，以及共振模式的多極展開分析 | |
案例二十 | 學員感興趣的其他案例 | |
（二） 軟件操作系統教學： | ||
COMSOL 軟件入門 | 初識COMSOL仿真——以多個具體的案例建立COMSOL仿真框架，建立COMSOL仿真思路，熟悉軟件的使用方法 | |
COMSOL軟件基本操作 ?? 參數，變量，探針等設置方法、幾何建模 ?? 基本函數設置方法，如插值函數、解析函數、分段函數等 ?? 特殊函數的設置方法，如積分、求極值、求平均值等 ?? 高效的網格劃分 | ||
前處理和后處理的技巧講解 ?? 特殊變量的定義，如散射截面，微腔模式體積等 ?? 如何利用軟件的繪圖功能繪制不同類型的數據圖和動畫 ?? 數據和動畫導出 ???不同類型求解器的使用場景和方法 | ||
COMSOL 軟件進階 | COMSOL中RF、波動光學模塊仿真基礎 ?? COMSOL中求解電磁場的步驟 ?? RF、波動光學模塊的應用領域 | |
RF、波動光學模塊內置方程解析推導 ?? 亥姆霍茲方程在COMSOL中的求解形式 ?? RF方程弱形式解析，以及修改方法(模擬特殊本構關系的物質) ?? 深入探索從模擬中獲得的結果 （如電磁場分布、功率損耗、傳輸和反射、阻抗和品質因子等） | ||
邊界條件和域條件的使用方法 ?? 完美磁導體和完美電導體的作用和使用場景 ?? 阻抗邊界條件、過度邊界條件、散射邊界條件、周期性邊界條件的作用 ?? 求解域條件：完美匹配層的理論基礎和使用場景、 PML網格劃分標準 ?? 遠場域和背景場域的使用 ?? 端口使用場景和方法 ???波束包絡物理場的使用詳解 | ||
波源設置 ?? 散射邊界和端口邊界的使用方法和技巧（波失方向和極化方向設置、S參數、反射率和透射率的計算和提取、高階衍射通道反射投射效率的計算） ?? 頻域計算、時域計算 ?? 點源，如電偶極子和磁偶極子的使用方法 | ||
材料設置 ?? 計算模擬中各向同性，各向異性，金屬介電和非線性等材料的設置 ?? 二維材料，如石墨烯、MoS2的設置 ???特殊本構關系材料的計算模擬(需要修改內置的弱表達式) | ||
網格設置 ?? 精確仿真電磁場所需的網格劃分標準 ?? 網格的優化 ???案列教學 | ||
COMSOL WITH MATLAB功能簡介 ? COMSOL WITH MATLAB 進行復雜的物理場或者集合模型的建立(如超表面波前的衍射計算) ? COMSOL WITH MATLAB 進行復雜函數的設置(如石墨烯電導函數的設置和仿真) ?? COMSOL WITH MATLAB 進行高級求解運算和后處理 ?? COMSOL WITH MATLAB求解具有色散材料的能帶 | ||
部分案例圖示：
FDTD Solutions（時域有限差分）仿真技術與應用
基礎入門 | ||
FDTD Solutions 求解物理問題的方法 | ?? FDTD與麥克斯韋方程 ?? FDTD中的網格化 | |
FDTD Solutions 功能與使用 | ?? 主窗口——CAD人機交互界面 ?? 計算機輔助設計（CAD）模擬編輯器:? ?? 主標題欄、工具條 ?? 實體對象樹實體對象庫 ?? 腳本提示與腳本編輯窗口 | |
軟件操作 | ||
幾何結構 | ?? 簡單幾何結構的添加 ?? 通過腳本添加幾何結構 ?? 通過函數定義曲面 | |
FDTD設置 | ?? 計算空間的確定 ?? 各種邊界條件的設定以及應用范圍 ?? PML設定以及其適用條件 ?? Auto shutoff min的設定 | |
激勵光源 | ?? 各種預設光源的特點 ?? 腳本添加各種光源以及設置 ?? 導入外部光源 | |
監視器的添加與使用 | ?? 各類監視器的特點與應用 ?? 腳本添加與設置監視器 ?? 腳本獲取監視器數據 | |
優化與掃描 | ?? 結構參數掃描的設置 ?? 掃描結構的可視化 ?? 后續數據處理 | |
結構組與分析組(Object library) | ?? 結構組添加與設置（以Hexagonal lattice PC array為例） ?? 分析組的添加與設置（以Power absorbed為例） | |
材料添加與擬合 | ?? 導入材料折射率（介電常數） ?? 材料擬合（擬合公差、虛部權重） | |
網格設置與結果分析 | ?? 對比FDTD內置網格 ?? 腳本實現結果的可視化與后期數據處理 | |
仿真實例 | ||
?? 金屬薄膜中金納米孔陣列透射與反射， 并考慮其近場電磁分布 | ||
?? 利用腳本進行電磁場及其光學響應的可視化 | ||
?? 設置EOT型超表面結構，以及Structure ? library的使用 | ||
?? 結構的參數化掃描與結果可視化 | ||
?? 利用腳本計算峰值增強因子 | ||
?? 多層平面結構激發Tamm等離激元誘導強光學吸收 | ||
?? 金屬小球Mie散射模型構建及腳本遠場近場結果可視化 | ||
?? 利用腳本計算熱載流子產生空間分布 | ||
?? 斜入射下光學傳感器的光學響應及其邊界條件的設置 | ||
?? 利用S參數分析組并通過腳本實現金屬納米小球的吸收/散射消光與近場增強的計算 | ||
?? 熱電子光探測器的電磁場空間分布與FDTD材料折射率的導出（腳本計算不同金屬層的吸收） | ||
實例進階 | ||
?? 平面結熱電子光探測器：激發光學Tamm 態： ----（根據發表在ACS Nano上的論文） | ||
?? 雙微腔熱電子光探測器：激發微腔共振： -----(根據發表在Nanoscale上的論文) | ||
?? 熱電子光學傳感器：表面波激發： -----（根據發表在ACS Nano上的論文） | ||
?? 金屬-介質-金屬光學微腔寬帶吸收器： -----（根據發表在Photonics Research上的論文） | ||
?? Pancharatnam-Berry型超構表面： -----（根據發表在Science上的論文） | ||
部分案例圖示：
電磁場與微波技術專題
1、跨學科融合：課程內容融合了電磁學、人工智能、數據科學等多個學科的知識，體現了跨學科學習的特點
2、智能輔助調試：課程介紹了如何使用人工智能算法進行智能輔助調試，這可以大大提高設計和測試的效率。
3、多樣化的算法應用：課程介紹了多種人工智能算法，如神經網絡、卷積自編碼器、隨機森林、粒子群優化（PSO）算法等，并展示了如何將這些算法應用于電磁學問題的求解。
4、優化算法的深入研究：課程深入探討了多種優化算法，包括基于代理模型的優化、多目標優化算法等，這些都是電磁器件設計中的關鍵技術前沿技術探索。
5、數據預處理和分析：課程強調了數據預處理和分析的重要性，這是進行有效電磁計算和優化的前提。
6、實際應用案例：課程提供了多個實際應用案例，如濾波器設計、天線優化等，這些案例有助于理解人工智能在電磁學領域的實際應用。
7、理論與實踐相結合：課程不僅涵蓋了人工智能在電磁計算中的理論基礎，還提供了實際操作的實例，使學生能夠通過實踐來加深對理論的理解。
機器學習與光子學設計專題
1、理論與實踐結合：課程不僅講解理論知識，還通過案例實操，如仿真設計手段和基于Python的機器學習框架，使學員能夠將理論應用于實踐。
2、實踐操作與案例分析：課程強調通過實際案例分析和操作，使學員能夠深入理解并應用機器學習模型和框架到光子學器件與系統中。
3、前沿技術與應用：課程內容緊跟科學前沿，包括最新的光子學仿真設計手段、深度學習網絡架構，以及它們在光子學設計中的應用。
4、軟件工具與編程基礎：課程提供了光子學仿真軟件（如Rsoft, Ansys optics）和Python編程語言的詳細介紹，包括機器學習庫和深度學習框架Pytorch的使用。
5、深度學習在光子學中的應用：特別強調深度學習技術在微納光子學、計算成像和圖像處理等領域的應用，以及如何通過深度學習進行光譜預測和逆向設計。
6、未來技術趨勢與展望：課程不僅介紹了當前的技術應用，還探討了機器學習與光子學結合的未來趨勢，如光子芯片制造、光學儀器增強和低功耗信息處理等。
COMSOL光電專題
1、基礎入門階段采用Step by step的教學方式帶著做具體的案例，在案例中學習COMSOL應用必備技能，幫助學員快速掌握COMSOL的仿真框架，建立正確的仿真思路。
2、通過模塊詳解掌握各種邊界條件和域條件的設置方法和技巧，區分每個邊界條件或域條件應該在什么場景中應用。
3、掌握精確仿真電磁場所需的網格劃分標準及優化技巧，深入探索從模擬中獲得的結果（如分析設計方案中的電磁場分布、功率損耗、傳輸和反射、阻抗和品質因子等），對光子器件、集成光路、光波導、耦合器、光纖等設計進行優化。
4、應用COMSOL WITH MATLAB 進行復雜物理場的建立或者集合模型的建立，如超表面波前的衍射計算、石墨烯電導函數的仿真、具有色散材料的能帶求解等。
5、整個課程通過多個場景案例的應用講解，了解借助 COMSOL在理想或多物理場環境下分析、評估、預測射頻、微波和毫米波等行業中涉及的器件的性能的方法，使設計滿足當前和未來發展。
FDTD專題
1、基礎入門階段采用Step by step的教學方式帶著做具體的案例，在案例中學習FDTD應用的必備技能，幫助學員快速掌握仿真操作流程，建立正確的仿真思路。
2、通過FDTD仿真實例以及論文模擬復現的形式，帶大家使用FDTD Solutions及相關軟件構建數值建模研究的方法。通過多個場景案例的應用講解，學習借助FDTD在超構表面設計、熱電子光學傳感器、熱電子光探測器的光學特性研究、光學微腔寬帶吸收器等多個方向的研究方法。
☆往期學員評價：
時間地點
人工智能在電磁場與微波技術專業的應用
2024年10月26日-10月27日
2024年11月02日-11月03日
在線直播（授課四天）
機器學習賦能的智能光子學器件系統研究與應用
2024年10月26日-10月27日
2024年11月02日-11月03日
在線直播（授課四天）
COMSOL光電專題
2024年10月19日-10月20日
2024年10月26日-10月27日
在線直播（授課四天）
FDTD Solutions（時域有限差分）仿真技術與應用
2024年10月19日-10月20日
2024年10月26日-10月27日
在線直播（授課四天）
報名費用
（含報名費、培訓費、資料費）
課程名稱 | 價格（元） | |
人工智能在電磁場與微波技術專業的應用 | 4500 | |
機器學習賦能的智能光子學器件系統研究與應用 | 4500 | |
COMSOL光電專題 | 4300 | |
FDTD Solutions（時域有限差分）仿真技術與應用 | 4300 | |
優惠一：
2024年10月1日前報名繳費可享受200元早鳥價優惠（僅限前十名）；
優惠二：
COMSOL/FDTD專題老學員推薦報名者，可享受額外200元優惠；
【注】費用提供用于報銷的正規機打發票及蓋有公章的紙質通知文件；如需開具會議費的單位請聯系招生老師索取會議邀請函；
增值服務
1、凡報名成功學員將獲得該培訓電子課件及案例模型文件；
2、培訓結束可獲得所學專題課程全部無限次回放視頻；
3、參加培訓并通過考試的學員，可以獲得：北京軟研國際信息技術研究院培訓中心頒發的專業技能結業證書；
聯系方式
