A Novel Surrogate-Based Approach to Yield Estimation and Optimization of Microwave Structures Using Combined Quadratic Mappings and Matrix Transfer Functions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Yield estimation and yield-driven design optimization play important roles in microwave design. Existing surrogate-based yield estimation/optimization methods need to develop separate surrogate models or a large surrogate model with high complexity to deal with multiport problems, which is computationally inefficient. This article proposes a novel surrogate-based method to expedite yield estimation/optimization of multiport microwave structures using combined quadratic mappings and matrix-valued transfer functions. For multiport structures, the responses of different transfer functions corresponding to different pairs of input–output ports are computed with separate residues, while the responses of transfer functions for all pairs of input–output ports are computed with a common set of poles. Taking advantage of this, we propose to formulate a set of quadratic functions to map the relationship between the separate residues and statistical/geometrical parameters while employing merely one quadratic function to map the relationship between the common poles and statistical/geometrical parameters. The resultant mappings together with the matrix-format transfer function form an efficient surrogate to expedite the yield estimation and optimization processes for microwave structures. Compared with existing surrogate-based methods, the proposed method can achieve similar yield estimation accuracy in a shorter time due to fewer electromagnetic (EM) simulations. Three microwave structures are used to demonstrate the advantages of the proposed method. Based on accurate yield estimations, we further perform yield-driven design optimization incorporating the proposed surrogate for all the three examples.
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.
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 | 0,001 | 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 découle