論文の概要: Unsupervised Surrogate-Assisted Synthesis of Free-Form Planar Antenna Topologies for IoT Applications
- arxiv url: http://arxiv.org/abs/2603.03802v1
- Date: Wed, 04 Mar 2026 07:25:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.217739
- Title: Unsupervised Surrogate-Assisted Synthesis of Free-Form Planar Antenna Topologies for IoT Applications
- Title（参考訳）: 教師なしサロゲートによるIoT用自由形平面アンテナトポロジーの合成
- Authors: Khadijeh Askaripour, Adrian Bekasiewicz, Slawomir Koziel,
- Abstract要約: モノのインターネット(IoT)アプリケーションのためのアンテナ構造の設計は難しい問題である。
アンテナ設計に対する従来のアプローチは、通常、トポロジーのマニュアル開発とチューニングが絡み合っている。
汎用シミュレーションモデルを用いて表現された自由形アンテナの性能指向性開発のための可変忠実度フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.441021278275805
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Design of antenna structures for Internet of Things (IoT) applications is a challenging problem. Contemporary radiators are often subject to a number of electric and/or radiation-related requirements, but also constraints imposed by specifics of IoT systems and/or intended operational environments. Conventional approaches to antenna design typically involve manual development of topology intertwined with its tuning. Although proved useful, the approach is prone to errors and engineering bias. Alternatively, geometries can be generated and optimized without supervision of the designer. The process can be controlled by suitable algorithms to determine and then adjust the antenna geometry according to the specifications. Unfortunately, automatic design of IoT radiators is associated with challenges such as determination of desirable geometries or high optimization cost. In this work, a variable-fidelity framework for performance-oriented development of free-form antennas represented using the generic simulation models is proposed. The method employs a surrogate-assisted classifier capable of identifying a suitable radiator topology from a set of automatically generated (and stored for potential re-use) candidate designs. The obtained geometry is then subject to a bi-stage tuning performed using a gradient-based optimization engine. The presented framework is demonstrated based on six numerical experiments concerning unsupervised development of bandwidth-enhanced patch antennas dedicated to work within 5 GHz to 6 GHz and 6 GHz to 7 GHz bands, respectively. Extensive benchmarks of the method, as well as the generated topologies are also performed.
- Abstract（参考訳）: モノのインターネット(IoT)アプリケーションのためのアンテナ構造の設計は難しい問題である。
現代のラジエーターは、多くの電気的および/または放射線関連の要件が課されることが多いが、IoTシステムや意図された運用環境の特定によって課される制約もある。
アンテナ設計に対する従来のアプローチは、通常、そのチューニングと連動したトポロジーのマニュアル開発を含む。
有用性は証明されているが、このアプローチはエラーとエンジニアリングバイアスを伴う。
あるいは、デザイナの監督なしにジオメトリを生成、最適化することができる。
このプロセスは、仕様に従ってアンテナ形状を決定し、調整するための適切なアルゴリズムで制御することができる。
残念なことに、IoTラジエータの自動設計は、望ましいジオメトリの決定や高い最適化コストといった課題に関連している。
本研究では,汎用シミュレーションモデルを用いて表現された自由形アンテナの性能指向性開発のための可変忠実度フレームワークを提案する。
この方法は、自動生成(および潜在的再使用)候補設計のセットから適切な放射器トポロジを識別できる代理支援分類器を用いる。
得られた幾何は、勾配に基づく最適化エンジンを用いて実行された2段階のチューニングを受ける。
提案手法は,5GHzから6GHz,6GHzから7GHzの範囲で動作するための帯域拡張型パッチアンテナの教師なし開発に関する6つの数値実験に基づいて実証された。
提案手法の広範なベンチマークや生成したトポロジも実施する。
関連論文リスト
- A Bi-Stage Framework for Automatic Development of Pixel-Based Planar Antenna Structures [3.441021278275805]
現代のアンテナの開発は、経験駆動によるトポロジの決定とパラメータのチューニングを介し、性能仕様を満たす認知プロセスである。
本研究では,アンテナの自動生成のためのバイステージフレームワークについて考察する。
この手法は、ラジエータを構成する成分(いわゆるピクセル)間の相互接続を最適化することで自由形式位相を決定する。
論文 参考訳（メタデータ） (2026-03-04T07:44:44Z) - A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。
提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文 参考訳（メタデータ） (2026-02-11T10:02:31Z) - BERT4beam: Large AI Model Enabled Generalized Beamforming Optimization [77.17508487745026]
本稿では,ビームフォーミング最適化のための大規模AIモデルについて検討する。
本稿では、BERT4エンコーダと呼ばれる変換器(BERT)からの双方向エンコーダ表現に基づく新しいフレームワークを提案する。
本フレームワークをベースとして,単一タスクとマルチタスクのビームフォーミング最適化のためのBERTベースの2つのアプローチを提案する。
論文 参考訳（メタデータ） (2025-09-14T02:49:29Z) - Deep Learning Optimization of Two-State Pinching Antennas Systems [48.70043547158868]
ピンチアンテナ(PA)は、二元活性化状態を通して電磁波の伝搬を動的に制御することができる。
本研究では,ユーザ端末での通信速度を最大化することを目的として,定位PAのサブセットを最適に選択して導波路で活性化する問題について検討する。
論文 参考訳（メタデータ） (2025-07-08T17:55:54Z) - GeoAda: Efficiently Finetune Geometric Diffusion Models with Equivariant Adapters [61.51810815162003]
制御された生成タスクに対してフレキシブルかつパラメータ効率の良い微調整を可能にするSE(3)-equivariant Adapter framework(GeoAda)を提案する。
GeoAdaは、過剰適合と破滅的な忘れを緩和しながら、モデルの幾何的一貫性を保っている。
我々は、フレーム制御、グローバル制御、サブグラフ制御、広範囲のアプリケーションドメインを含む多様な幾何学的制御タイプにまたがるGeoAdaの適用性を実証する。
論文 参考訳（メタデータ） (2025-07-02T18:44:03Z) - Improving Generative Inverse Design of Rectangular Patch Antennas with Test Time Optimization [3.9599054392856483]
矩形パッチアンテナの逆設計のための2段階のディープラーニングフレームワークを提案する。
提案手法は自然に異なる設計基準に一般化し,より複雑な幾何学的設計空間に容易に適用できる。
論文 参考訳（メタデータ） (2025-05-19T02:24:28Z) - Antenna Array Calibration Via Gaussian Process Models [0.0]
アンテナアレイキャリブレーションは、広範囲の先進アンテナシステムにおけるビームパターンの忠実度を維持するために必要である。
アンテナキャリブレーションを,関数近似のタスクとして定式化し,ベイズ機械学習を用いて処理する。
まず、各放射素子、位置オフセット、およびアンテナ素子間の相互結合効果に対応するハードウェア障害を捕捉するパラメータ空間を定義する。
一度展開すると、学習された非パラメトリックモデルは、システムのビームフォーミング重みを継続的に変換し、修正されたビームパターンをもたらす。
論文 参考訳（メタデータ） (2023-01-16T19:40:50Z) - Modeling Scattering Coefficients using Self-Attentive Complex
Polynomials with Image-based Representation [26.6996054977643]
与えられた2次元平面アンテナ設計の周波数領域における散乱係数を直接推定するために, CZP と命名されたサンプル効率で正確な代理モデルを提案する。
我々は、CZPが試験損失の点でベースラインを上回るだけでなく、商用ソフトウェアで検証可能な2次元アンテナの設計も見出すことができることを示した。
論文 参考訳（メタデータ） (2023-01-06T23:32:07Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - A Machine Learning Generative Method for Automating Antenna Design and
Optimization [9.438718097561061]
異なるノードを接続することで任意の形状を形成できるメッシュネットワークの概念を取り入れたフレキシブルな幾何学的スキームを導入する。
広帯域なデュアル共振アンテナの設計では,提案手法はTrust Region Frameworkと同等であり,他の成熟した機械学習アルゴリズムよりもはるかに優れている。
論文 参考訳（メタデータ） (2022-02-28T21:30:37Z) - HyperHyperNetworks for the Design of Antenna Arrays [91.3755431537592]
アレイ設計のための深層学習手法と小型アンテナの単一インスタンスについて述べる。
単一のアンテナの場合、ソリューションはシミュレーションネットワーク、ハイパーネットワーク、および精製ネットワークを組み合わせた複合ニューラルネットワークに基づいています。
学習目的は、得られた放射パターンと所望の放射パターンの類似度を測定することに基づく。
論文 参考訳（メタデータ） (2021-05-09T05:21:28Z)
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。