論文の概要: From Equations to Algorithms and Data: Transforming Microwave Engineering and Education with Machine Learning

• arxiv url: http://arxiv.org/abs/2604.22792v1
• Date: Mon, 13 Apr 2026 10:33:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.186305
• Title: From Equations to Algorithms and Data: Transforming Microwave Engineering and Education with Machine Learning
• Title（参考訳）: 方程式からアルゴリズム・データへ:機械学習によるマイクロ波工学・教育の変容
• Abstract要約: 本稿ではマイクロ波とRFIC(Radio Frequency Integrated Circuit)の工学・教育における教育的シフトを提案する。 事前定義されたトポロジを強調するのではなく、提案手法はトポロジに依存しない、パフォーマンス指向な設計空間の探索を可能にする。 機械学習に基づく逆設計と多目的最適化をカリキュラムに統合することにより、物理的な直感を高め、設計の創造性を高め、マイクロ波教育を高周波および超広帯域システム設計における新興産業プラクティスと整合させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Conventional microwave engineering education relies heavily on analytical methods, canonical circuit topologies, and intuition-driven design, which have proven effective at microwave frequencies. However, as systems increasingly operate in the millimeter-wave and terahertz regimes, parasitic effects, process-dependent electromagnetic interactions, and ultra-wideband performance requirements challenge both topology/layout-constrained traditional design methodologies and existing teaching paradigms. This paper proposes a pedagogical shift in microwave and RFIC (Radio Frequency Integrated Circuit) engineering and education by introducing machine-learning (ML) and data-driven electromagnetic synthesis as a complementary design framework for microwave circuits such as power dividers and combiners, couplers, and baluns. Rather than emphasizing predefined topologies, the proposed approach enables topology-agnostic, performance-oriented exploration of the design space, allowing students to directly engage with electromagnetic behavior through specification-driven synthesis. By integrating machine-learning-based inverse design and multi-objective optimization into the curriculum, the framework enhances physical intuition, encourages design creativity, and better aligns microwave education with emerging industrial practices in high-frequency and ultra-wideband system design.
• Abstract（参考訳）: 従来のマイクロ波工学教育は、マイクロ波周波数で有効な分析方法、標準回路トポロジー、直観駆動設計に大きく依存している。 しかし、ミリ波やテラヘルツ体制でシステムがますます運用されるようになると、寄生効果、プロセス依存電磁相互作用、超広帯域性能要求は、トポロジー/レイアウト制約の伝統的な設計手法と既存の教育パラダイムの両方に挑戦する。 本稿では,マイクロ波とRFIC(Radio Frequency Integrated Circuit, 高周波集積回路)の工学・教育における教育的変化を,電力分割器やコンバインダ,カプラ,バランなどのマイクロ波回路を補完する設計枠組みとして,機械学習(ML)とデータ駆動電磁合成を導入することを提案する。 提案手法は,事前定義されたトポロジを強調するのではなく,設計空間のトポロジに依存しない,パフォーマンス指向の探索を可能にする。 機械学習に基づく逆設計と多目的最適化をカリキュラムに統合することにより、物理的な直感を高め、設計の創造性を高め、マイクロ波教育を高周波および超広帯域システム設計における新興産業プラクティスと整合させる。

関連論文リスト

• AstRL: Analog and Mixed-Signal Circuit Synthesis with Deep Reinforcement Learning [0.8633481456093186]
  本研究は、グラフ生成問題として回路設計をキャストし、深部強化学習(AstRL)により駆動されるAMS合成の新しい手法を提案する。 AstRLは、シミュレータ組み込み環境において、ユーザー特定ターゲットに対して直接最適化された回路を生成し、トレーニング中に地道フィードバックを提供する。 3つの現実的な設計課題に対する実験結果は、最先端のベースラインよりも従来の設計指標を大幅に改善したことを示している。
  論文  参考訳（メタデータ） (2026-02-12T20:52:39Z)
• Magnetic field estimation using Gaussian process regression for interactive wireless power system design [6.102646086243458]
  共振器を結合したワイヤレス電力伝送は、電子機器のシームレスな電力供給に有望なソリューションを提供する。 磁場と電力伝達効率を可視化するインタラクティブな設計手法は、これらのシステムの理解と探索を容易にする。 本稿では,Gaussian Process Regression (GPR) を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2025-10-22T06:26:38Z)
• Machine-Learning-Assisted Photonic Device Development: A Multiscale Approach from Theory to Characterization [80.82828320306464]
  フォトニックデバイス開発(PDD)は、様々な波長、スケール、アプリケーションにまたがる光を制御する新しいデバイスの設計と実装において大きな成功を収めた。 PDDは、設計パラメータからデバイス動作を導出する、デバイス性能をシミュレーションする、最適なデバイスを製造する、デバイス性能を測定する、という5段階の反復的プロセスである。 PDDは、大規模な最適化の展望、構造的または光学的特徴の不確実性、堅牢な製造プロセスの実装の困難に悩まされている。 本稿では,機械学習支援型PDDの実現に向けて,これらの手法の総合的な展望を示す。
  論文  参考訳（メタデータ） (2025-06-24T23:32:54Z)
• In-Context Learning for Gradient-Free Receiver Adaptation: Principles, Applications, and Theory [54.92893355284945]
  ディープラーニングベースの無線受信機は、様々なチャネル環境に動的に適応する能力を提供する。 ジョイントトレーニング、ハイパーネットワークベースの手法、メタラーニングを含む現在の適応戦略は、限られた柔軟性を示すか、勾配降下による明示的な最適化を必要とする。 本稿では、インコンテキスト学習(ICL)の新たなパラダイムに根ざした勾配なし適応手法を提案する。
  論文  参考訳（メタデータ） (2025-06-18T06:43:55Z)
• Reinforcement learning framework for the mechanical design of microelectronic components under multiphysics constraints [0.0]
  本研究では,多物理制約下でのマイクロエレクトロニクス部品設計のための強化学習技術の開発に焦点をあてる。 アプリケーション固有の集積回路(ASIC)と異種統合型(HI)インターポーザを原型として、強化学習(RL)に基づく最適化フレームワークを開発し、数値的にテストする。 より具体的には、ASICチップの結合配線形状の最適化とHIインターポーザ上の部品配置を熱弾性および設計制約を満たしながら検討する。
  論文  参考訳（メタデータ） (2025-04-23T23:20:44Z)
• RadioDiff-$k^2$: Helmholtz Equation Informed Generative Diffusion Model for Multi-Path Aware Radio Map Construction [76.24833675757033]
  物理インフォームド・ジェネレーティブ・ラーニング・アプローチであるRadioDiff-$k2$を提案する。 提案するRadioDiff-$k2$フレームワークは,画像レベルのRM構成とローカライズタスクの両方において,最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2025-04-22T06:28:13Z)
• Anchor-Controlled Generative Adversarial Network for High-Fidelity Electromagnetic and Structurally Diverse Metasurface Design [6.452006201454395]
  電磁的忠実度と構造的多様性を改善するために,AcGAN(Anchor-control Generative Adversarial Network)を提案する。 AcGANはMean Squared Error (MSE) を73%削減する。
  論文  参考訳（メタデータ） (2024-08-29T03:11:55Z)
• Meent: Differentiable Electromagnetic Simulator for Machine Learning [0.6902278820907753]
  電磁法(EM)シミュレーションは、サブ波長スケール構造を持つデバイスを解析・設計する上で重要な役割を担っている。 Meentは、厳密な結合波解析(RCWA)を利用するEMシミュレーションソフトウェアである。 1) ニューラル演算子のトレーニングのためのデータセット生成,2) ナノフォトニックデバイス最適化の強化学習環境として機能する,3) 勾配に基づく逆問題に対する解を提供する,の3つの応用を提案する。
  論文  参考訳（メタデータ） (2024-06-11T10:00:06Z)
• On the electromagnetic couplings in superconducting qubit circuits [0.0]
  本稿では,超伝導デバイスの基本電磁結合機構の包括的理論的検討を行う。 動作方程式を定式化し、マルチポートマイクロ波ネットワークに結合された単一共振器、相互作用共振器、結合伝送線路を含む標準系の入力出力関係を導出する。 本稿では, エネルギー減衰率 (Kappa) や非次元結合係数 (zeta) といった重要なパラメータに対する厳密な定義を概観し, 電磁シミュレーションによるパラメータ抽出の実践的手法と結合する。
  論文  参考訳（メタデータ） (2024-05-19T02:14:36Z)
• AI-Empowered Hybrid MIMO Beamforming [85.48860461696417]
  ハイブリッドマルチインプット・マルチアウトプット(MIMO)システムは、アナログおよびデジタルのビームフォーミングの一部を実装している。 近年、ハイブリッドビームフォーミング設計にデータ支援人工知能(AI)ツールを使うことへの関心が高まっている。 本稿では、リアルタイムハイブリッドビームフォーミング設計を改善するために、データを活用するための候補戦略についてレビューする。
  論文  参考訳（メタデータ） (2023-03-03T06:04:20Z)
• Harmonic (Quantum) Neural Networks [10.31053131199922]
  調和函数は自然界において豊富であり、マクスウェル方程式、ナヴィエ・ストークス方程式、熱、波動方程式の極限に現れる。 ユビキタスさと妥当性にもかかわらず、機械学習の文脈で高調波関数に対する帰納バイアスを組み込む試みは、ほとんどない。 ニューラルネットワークにおける調和関数の効率的な表現方法を示し、その結果を量子ニューラルネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-12-14T19:13:59Z)
• Extensible circuit-QED architecture via amplitude- and frequency-variable microwaves [52.77024349608834]
  固定周波数キュービットとマイクロ波駆動カプラを組み合わせた回路QEDアーキテクチャを提案する。 ドライブパラメータは、選択的な2ビット結合とコヒーレントエラー抑制を可能にする調整可能なノブとして現れる。
  論文  参考訳（メタデータ） (2022-04-17T22:49:56Z)
• Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
  本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。 本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
  論文  参考訳（メタデータ） (2021-05-06T02:22:23Z)

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。