Space–Time Adaptive Modeling and Shape Optimization of Microwave Structures With Applications to Metasurface Design
Notice bibliographique
Résumé
This article presents a time-domain modeling and shape optimization framework for microwave structures, including metasurfaces, based on a nodal discontinuous Galerkin time-domain (DGTD) method. In particular, we employ an unstructured mesh and the inherent mesh refinement ability of DGTD to model multiscale geometries via adaptive mesh refinement. More importantly, we integrate a multitier local time-stepping technique into the time integration of DGTD, which significantly alleviates the cost introduced by mesh refinement. We further present a flexible parameterization approach by defining the contours of metasurface unit cells by B-spline curves, which allows us to explore a wide range of smooth shapes by only a few design variables. Besides, we adopt a polynomial chaos-Kriging (PCK) surrogate method to approximate the full-wave DGTD model, reducing the computational cost for optimization problems that require time-consuming simulations by three orders of magnitude. The B-spline parameterization and the PCK surrogate model are combined with a pattern search-based Pareto front algorithm to optimize metasurfaces for multiple design objectives. The proposed optimization framework is also applicable to other microwave structures. We demonstrate the effectiveness of our approach through the optimization of an omega-bianisotropic Huygens’ metasurface unit cell and an <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$E$ </tex-math></inline-formula> -plane microwave T-junction.
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 ».