微半球谐振子

高Q因子设计

通过几何参数优化实现热弹性Q因子的快速准确预测，为高性能微半球谐振器提供高效设计工具。

Yuyi, Yao · 杨功流 · Li, Wenqiang · Xin, Liu

Microsystems and Nanoengineering 2026

技术优势

预测从小时级变秒级

用CNN-Transformer混合模型替代有限元分析，预测Q_TED的速度比FEA快几个数量级，参数扫描不再受计算时间限制。

预测更准更稳

对比实验表明，所提模型在精度和鲁棒性上均超越主流预测方法，且蒙特卡洛Dropout验证了校准良好的不确定性。

应用场景

• 微机电系统设计：用深度学习模型替代FEA，加速MEMS器件几何参数优化
• 微纳制造：给出降低制造误差敏感度的几何设计建议，指导工艺参数选择
• 精密仪器设计：快速预测高Q因子设计，用于惯性测量单元和陀螺仪等精密仪器