Efficient Evaluation of Gradient Transmit-Arrays Through an Equivalent Dispersive Dielectric Description
Notice bibliographique
Résumé
The growing popularity of transmit-arrays (TAs) for various antenna applications is calling for effective analysis and optimization methods. TAs are, usually, electrically large, comprising thousands of unit-cells formed by subwavelength metallic scatterers. Full-wave optimization cycles needed to meet stringent specifications in terms of gain, cross-polarization, bandwidth, scan-loss, etc., may be impaired by unrealistically required computational time and memory resources. To overcome this, we propose a modified homogenization method that, unlike other approaches, captures the internal reflections in the unit-cells and its resonances for each polarization, thus, correctly describing unit-cells' frequency response in the band of interest. We define equivalent dispersive anisotropic media for gradient TAs. These surrogate models enable fast analysis and optimization of TAs without compromising the accuracy. As an example, we analyze a TA composed of phase rotation (PR) unit-cells. PR unit-cells present wideband low axial ratio for a TA but challenge the validation of existing homogenization methods. Detailed general description of the method is provided so that it can be applied to other unit-cells and avoid training time and resources required for machine learning-based methods. Using the surrogate cells, the full-wave analysis time and memory of the TA reduces 13 and 4 times, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».