MétaCan
Menu
Retour à la cohorte
Enregistrement W3206789196 · doi:10.1109/tap.2021.3118811

Gradient-Based Electromagnetic Inversion for Metasurface Design Using Circuit Models

2021· article· en· W3206789196 sur OpenAlexafffund
Chaitanya Narendra, Trevor Brown, Puyan Mojabi

Notice bibliographique

RevueIEEE Transactions on Antennas and Propagation · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetamaterials and Metasurfaces Applications
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesScience and Engineering Research CouncilCanada Research ChairsCMC Microsystems
Mots-clésAdmittanceInversion (geology)Inverse problemComputer scienceInverseMicrowaveAmplitudeOpticsAlgorithmPhysicsElectrical impedanceMathematicsMathematical analysisGeometryTelecommunicationsGeology

Résumé

récupéré en direct d'OpenAlex

A gradient-based optimization algorithm that is capable of directly designing a metasurface at the circuit parameter level for a desired field (amplitude and phase) pattern or a desired power (phaseless) pattern on some region of interest (ROI) external to the metasurface boundary is presented. Specifically, the inversion algorithm designs the microwave admittance profile of each subwavelength element of the metasurface when a three-layer admittance model is assumed. To this end, a forward model that maps the admittance profile of each layer of the metasurface to the desired field on the ROI is developed. Then, for the inverse design problem, a data misfit cost functional is defined and minimized over the unknown admittance profile using analytically derived gradients and step lengths. The developed inversion algorithm is then utilized to design metasurfaces capable of beam forming in the far-field zone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,547
Score d'incertitude au seuil0,598

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,267
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Antennas and PropagationMême sujetMetamaterials and Metasurfaces ApplicationsTravaux en français237 207