論文の概要: A deep learning approach for inverse design of the metasurface for dual-polarized waves

• arxiv url: http://arxiv.org/abs/2105.08508v1
• Date: Wed, 12 May 2021 17:15:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-20 06:55:26.418047
• Title: A deep learning approach for inverse design of the metasurface for dual-polarized waves
• Title（参考訳）: 双極波に対する準曲面の逆設計のための深層学習手法
• Authors: Fardin Ghorbani, Javad Shabanpour, Sina Beyraghi, Hossein Soleimani, Homayoon Oraizi, Mohammad Soleimani
• Abstract要約: 機械学習に基づく手法は、最近メタ曲面の逆実現のための刺激的なプラットフォームを作成した。 本稿では,TE波とTM波の両方に対して,超広帯域の動作周波数帯における出力単位セル構造の生成にDeep Neural Network(DNN)を用いた。
• 参考スコア（独自算出の注目度）: 1.1254693939127909
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compared to the conventional metasurface design, machine learning-based methods have recently created an inspiring platform for an inverse realization of the metasurfaces. Here, we have used the Deep Neural Network (DNN) for the generation of desired output unit cell structures in an ultra-wide working frequency band for both TE and TM polarized waves. To automatically generate metasurfaces in a wide range of working frequencies from 4 to 45 GHz, we deliberately design an 8 ring-shaped pattern in such a way that the unit-cells generated in the dataset can produce single or multiple notches in the desired working frequency band. Compared to the general approach, whereby the final metasurface structure may be formed by any randomly distributed "0" and "1", we propose here a restricted output structure. By restricting the output, the number of calculations will be reduced and the learning speed will be increased. Moreover, we have shown that the accuracy of the network reaches 91\%. Obtaining the final unit cell directly without any time-consuming optimization algorithms for both TE and TM polarized waves, and high average accuracy, promises an effective strategy for the metasurface design; thus, the designer is required only to focus on the design goal.
• Abstract（参考訳）: 従来のメタ曲面設計と比較して、機械学習に基づく手法は、最近、メタ曲面の逆実現のための刺激的なプラットフォームを作成した。 本稿では,TE波とTM波の両方に対して,超広帯域の作業周波数帯における出力単位セル構造の生成にDeep Neural Network(DNN)を用いた。 4 GHz から45 GHz までの広い作業周波数でメタ曲面を自動生成するため,データセットで生成した単位セルが所望の作業周波数帯で単一または複数ノッチを生成できるように 8 個のリング状のパターンを意図的に設計する。 最終メタサーフェス構造はランダムに分布する「0」と「1」のいずれでも形成できるという一般的なアプローチと比較して、ここでは制限された出力構造を提案する。 出力を制限することにより、計算回数を削減し、学習速度を増加させる。 さらに,ネットワークの精度が91\%に達することを示した。 TE波とTM波の両方の時間的最適化アルゴリズムを使わずに最終単位セルを直接確保し、高い平均精度でメタ曲面設計の効果的な戦略を約束するので、設計者は設計目標のみに集中する必要がある。

関連論文リスト

• Dynamic Frame Interpolation in Wavelet Domain [57.25341639095404]
  ビデオフレームは、より流動的な視覚体験のためにフレームレートを上げることができる、重要な低レベルな計算ビジョンタスクである。 既存の手法は、高度なモーションモデルと合成ネットワークを利用することで大きな成功を収めた。 WaveletVFIは、同様の精度を維持しながら最大40%の計算を削減できるため、他の最先端技術に対してより効率的に処理できる。
  論文  参考訳（メタデータ） (2023-09-07T06:41:15Z)
• Artificial Intelligence-Generated Terahertz Multi-Resonant Metasurfaces via Improved Transformer and CGAN Neural Networks [2.1592777170316366]
  グラフェン変成層の逆設計のための改良されたトランスフォーマーと条件付き生成対向ニューラルネットワーク(CGAN)を提案する。 改良されたTransformerは、StoV(Spectrum to Vector)スペクトルにおいて高い精度と一般化性能を得ることができる。 CGANは、所望の多重共鳴吸収スペクトルから直接グラフェン準曲面画像の逆設計を実現することができる。
  論文  参考訳（メタデータ） (2023-07-21T02:49:03Z)
• One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
  Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。 本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-06T20:28:37Z)
• Deep Learning Framework for the Design of Orbital Angular Momentum Generators Enabled by Leaky-wave Holograms [0.6999740786886535]
  本稿では、フラット光学(FO)と機械学習(ML)を併用して、OAMを担持する電磁波を発生させる漏れ波ホログラフィックアンテナの設計手法を提案する。 本システムの性能向上のために,機械学習を用いて,放射パターン全体を効果的に制御できる数学的関数を探索する。 それぞれのパラメータに対して最適な値を決定することができ、結果として所望の放射パターンが生成され、合計77,000個のデータセットが生成される。
  論文  参考訳（メタデータ） (2023-04-25T10:01:04Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Deep-Learning Empowered Inverse Design for Freeform Reconfigurable Metasurfaces [3.728073286482581]
  本稿では,自由形再構成可能な準曲面に対して,深層学習による逆設計手法を提案する。 畳み込みニューラルネットワークモデルは、自由形メタ原子の応答を予測するために訓練される。 逆設計の広帯域再構成可能な準曲面プロトタイプを作製し,ビーム走査用として測定した。
  論文  参考訳（メタデータ） (2022-11-11T15:01:32Z)
• Robustness of a universal gate set implementation in transmon systems via Chopped Random Basis optimal control [50.591267188664666]
  CNOT, Hadamard, phase と $pi/8$ gates から構成される汎用2量子ゲートセットのトランスモン系システムに対する実装を数値解析的に検討する。 このようなゲートを実装するための制御信号は、目標ゲート不忠実度が10-2$のチョッペランダムバス最適制御技術を用いて得られる。
  論文  参考訳（メタデータ） (2022-07-27T10:55:15Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Designing globally optimal entangling gates using geometric space curves [0.0]
  弱結合量子ビットの場合、ターゲットエンタングゲートを実装する全てのパルスを見つけることができる。 シリコン量子ドットスピン量子ビットの高速なCNOT等価エンタングルゲートを99%超の忠実度で設計し,本手法について述べる。
  論文  参考訳（メタデータ） (2022-04-06T14:46:56Z)
• Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
  チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。 受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。 エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
  論文  参考訳（メタデータ） (2021-08-03T14:26:14Z)
• Progressive Encoding for Neural Optimization [92.55503085245304]
  メッシュ転送におけるppe層の能力と,そのアドバンテージを,現代の表面マッピング技術と比較した。 最も重要な点は, パラメタライズフリーな手法であり, 様々な対象形状表現に適用可能であることである。
  論文  参考訳（メタデータ） (2021-04-19T08:22:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。