[論文レビュー] Field-material coupled neural network: A novel prior-free and data-free inverse problem solver for extracting complex dielectric constant in terahertz band

Pengfei Zhu, Sfarra, Stefano+3 more|arXiv (Cornell University)|Feb 10, 2026

Terahertz technology and applications被引用数 0

ひとこと要約

要約: フィールド・マテリアル結合型ニューラルネットワーク（FMCNN）は、複素誘電率をTHz測定から直接取得し、先行情報や参照データを必要とせず、物理をPDEベースの結合フレームワークで強制適合させる。

ABSTRACT

Accurate extraction of the complex dielectric constant in the terahertz (THz) band is essential for material characterization and non-destructive evaluation yet remains challenging due to the ill-posed nature of electromagnetic inverse problems and the limited availability of reliable reference data. In this work, a field-material couple neural network (FMCNN) is proposed to retrieve the complex dielectric constant directly from THz measurements. The FMCNN consists of a field neural network and a material neural network that are strongly coupled through the frequency-domain Maxwell equations in the form of a Helmholtz equation, with the governing physics enforced by partial differential equation (PDE) and boundary condition constraints. This formulation enables prior-free and data-free inversion, requiring only measured test data as input. The extracted dielectric constants are validated by comparison with results from a one-dimensional normal-incidence model and the Drude-Lorentz model, showing good agreement over a broad frequency range, particularly above 0.2 THz. These results demonstrate that the FMCNN provides a physics-consistent and data-efficient approach for material parameter extraction in the THz band, offering an alternative to conventional model-based methods.

研究の動機と目的

• THz誘電定数抽出における病的適定性の問題に対処する。
• 測定データだけを用いる先行情報なし・データなしの反転フレームワークを開発する。
• Maxwell方程式と整合する物理情報結合を活用する。
• 特に0.2 THzを超える広いTHz周波数範囲での精度を実証する。

提案手法

• 2つのニューラルネットワーク（場ネットワークと材料ネットワーク）は、Helmholtz方程式を介して周波数領域のMaxwell方程式で強く結合される。
• 物理はPDEと境界条件の制約で強制適合される。
• マー傭は測定されたテストデータのみを入力として使用することで、先行情報なし・データなしの反転を可能にする。
• 抽出された定数を1D法線入射モデルおよびDrude-Lorentzモデルの結果と比較して検証する。
• この手法は、THz帯域で物理的整合性とデータ効率を兼ね備えた材料パラメータ抽出の道筋を提供することを目指す。

実験結果

リサーチクエスチョン

• RQ1 FMCNNは先行情報や追加訓練データなしにTHz測定から複素誘電率を正確に回収できるか。
• RQ2 FMCNNはTHz周波数全体で従来モデル（1D法線入射、Drude-Lorentz）とどの程度一致するか。
• RQ3 Helmholtz方程式ベースの結合を強制適合させることは、従来の方法と比較して反転の安定性と物理的忠実度を改善するか。

主な発見

• FMCNNは、0.2 THzを超える特に広い周波数範囲で、参照モデルと良い一致を示す誘電定数をもたらす。
• このアプローチは、先行情報やデータ事前情報を必要とせず、病的な逆問題に対して物理的整合性のある解を提供する。
• 1D法線入射モデルおよびDrude-Lorentzモデルに対する検証は、THz材料特性評価における本手法の精度を支持する。