論文の概要: Diffusion-Based Inverse Design of Dielectric Resonator Metasurfaces for Shaping Smart Electromagnetic Environments
- arxiv url: http://arxiv.org/abs/2608.29907v1
- Date: Sun, 30 Aug 2026 17:04:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.111971
- Title: Diffusion-Based Inverse Design of Dielectric Resonator Metasurfaces for Shaping Smart Electromagnetic Environments
- Title（参考訳）: スマート電磁環境形成のための誘電体共振器メタ曲面の拡散に基づく逆設計
- Authors: M. Tsukerman, K. Grotov, D. Vovchuk, P. Ginzburg,
- Abstract要約: 将来の無線システムは、周囲の空間を受動伝搬媒質からスマート電磁環境へと変えることが期待されている。
鍵となる課題は、電磁伝搬の調整のための準曲面の逆設計である。
本稿では,ターゲット角散乱パターンからの準曲面の逆設計のための条件拡散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）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Future wireless systems are expected to transform the surrounding space from a passive propagation medium into a smart electromagnetic environment, where engineered surfaces control wave propagation, support wireless sensing, and create programmable electromagnetic fingerprints. A key challenge in realizing this vision is the inverse design of metasurfaces for tailored electromagnetic propagation. While forward analysis evaluates the response of a known geometry, the inverse task starts from a prescribed scattering signature and seeks a physically realizable structure that produces it. This inverse task is inherently nonlinear and often high-dimensional, while candidate solutions may be non-unique and provide no direct indication of practical realizability. Here, we introduce a conditional diffusion framework for inverse design of dielectric resonator metasurfaces from target angular scattering patterns. Trained on T-matrix simulated geometry-response pairs, the model learns a conditional distribution of geometries instead of a deterministic mapping, enabling multiple candidate designs for the ill-posed inverse problem. The best generated metasurface achieves a mean percentage error of 1.39%, outperforming CMA-ES optimization (4.1% after 10 h) while requiring only about one minute for after-training inference. The model also produces lower error distributions than deterministic neural baselines for out-of-distribution spectra, highlighting the potential of diffusion models for efficient metasurface design.
- Abstract（参考訳）: 将来の無線システムは、周囲の空間を受動伝搬媒質からスマート電磁環境に転換し、設計された表面制御波伝搬、無線センシングのサポート、プログラム可能な電磁指紋を作成することが期待されている。
このビジョンを実現する上で重要な課題は、電磁伝搬を調整したメタ曲面の逆設計である。
フォワード解析は既知の幾何学の応答を評価する一方で、逆タスクは所定の散乱シグネチャから始まり、それを生成する物理的に実現可能な構造を求める。
この逆タスクは本質的に非線形であり、しばしば高次元であるが、候補解は非特異であり、実用的な実現可能性を直接示さない。
本稿では、ターゲット角散乱パターンから誘電体共振器の逆設計のための条件拡散フレームワークを提案する。
T行列の擬似幾何応答対に基づいて訓練され、決定論的写像の代わりに幾何学の条件分布を学習し、不測の逆問題に対する複数の候補設計を可能にする。
最適生成メタサーフェスの平均パーセンテージ誤差は1.39%であり、CMA-ES最適化(4.1%は10時間後)より優れ、後トレーニングの推論には1分程度しか要しない。
モデルはまた、分布外スペクトルに対する決定論的神経基底線よりも低い誤差分布を生成し、効率的な準曲面設計のための拡散モデルの可能性を強調している。
関連論文リスト
- EFF-Grasp: Energy-Field Flow Matching for Physics-Aware Dexterous Grasp Generation [54.09734511705173]
EFF-Graspは、物理を意識したデクサラスグリップ生成のためのフローマッチング合成ベースのフレームワークである。
我々は、スムーズな確率フローによる効率的な安定な生成を可能にする決定論的常微分方程式(ODE)プロセスとして、グリップを再構成する。
EFF-Graspは、拡散ベースラインよりもサンプリングステップを著しく少なくしながら、把握品質と物理的実現性において優れた性能を実現する。
論文 参考訳（メタデータ） (2026-03-17T06:11:56Z) - Geometry-Free Conditional Diffusion Modeling for Solving the Inverse Electrocardiography Problem [0.5729426778193398]
本研究では,ノイズのある体表面信号から心臓表面電位への確率的マッピングを学習する条件拡散フレームワークを提案する。
提案手法は拡散モデルの生成的性質を利用して,ECGI逆問題の非特異性および過小決定性を取得する。
提案手法を実際のECGIデータセット上で評価し,畳み込みニューラルネットワーク,長期記憶ネットワーク,トランスフォーマーベースモデルなど,強い決定論的ベースラインと比較する。
論文 参考訳（メタデータ） (2026-01-26T15:53:54Z) - Diffusion-Based Electromagnetic Inverse Design of Scattering Structured Media [0.0]
電磁的逆設計のための条件拡散モデルは、ターゲットの微分散乱断面積プロファイルから直接構造化メディアジオメトリを生成する。
11,000個の模擬準曲面で訓練されたモデルでは、観測対象の中央値が19%以下となる。
論文 参考訳（メタデータ） (2025-11-07T15:48:50Z) - Physics-Guided Conditional Diffusion Networks for Microwave Image Reconstruction [0.6117371161379209]
電磁逆散乱問題を解くための条件付き潜伏拡散に基づく枠組みを導入する。
提案モデルでは, 散乱場データに基づいて複数の可塑性誘電率マップを生成する。
物理に基づく評価機構として、前方電磁分解器を再構成パイプラインに統合する。
論文 参考訳（メタデータ） (2025-10-29T17:34:10Z) - Inverse Design of Diffractive Metasurfaces Using Diffusion Models [28.865660196923752]
メタサーフェス(Metagrounds)は、光の正確な制御を可能にする、エンジニアリングされたサブ波長構造からなる超薄い光学素子である。
逆設計では、構造と光学特性の間の複雑な非線形関係のため、所望の光学応答をもたらす幾何を決定することは困難である。
拡散モデルの生成能力を計算設計に組み込むことにより,これらの課題に対処する。
本研究では,空間的に均一な強度スプリッタと偏光ビームスプリッタの設計に対するアプローチを示す。
論文 参考訳（メタデータ） (2025-06-26T20:10:30Z) - A Surrogate Model for the Forward Design of Multi-layered Metasurface-based Radar Absorbing Structures [3.328784252410173]
本稿では,多層準曲面RASの電磁(EM)応答の予測を著しく高速化する代理モデルを提案する。
提案したモデルは、99.9%のコサイン類似性を達成し、平均2乗誤差は1000エポック内の0.001である。
論文 参考訳（メタデータ） (2025-05-14T09:54:00Z) - 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) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳（メタデータ） (2023-05-18T12:30:26Z) - An Energy-Based Prior for Generative Saliency [62.79775297611203]
本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。
生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。
実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
論文 参考訳（メタデータ） (2022-04-19T10:51:00Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳（メタデータ） (2020-02-12T11:10:00Z)
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。