Homotopy Optimization and ANN Modeling of Millimeter-Wave SIW Cruciform Coupler
Notice bibliographique
Résumé
The development of millimeter-wave and terahertz (THz) passive components such as couplers and filters is an intimidating task because of underlying ultrasensitivity of electrical performances to geometric dimensions and processing tolerances. It is a common practice for us to use an integrated optimizer of commercial electromagnetic (EM) software packages for the design and optimization of such geometric parameters. However, those optimizers may fail to achieve a desired performance if initial variables are not in a range close enough to the optimal solution. In this article, we introduce an homotopy approach to optimizing the geometric parameters of a$D$-band cruciform coupler based on substrate integrated waveguide (SIW) technique in conjunction with an artificial neural network (ANN) model. Starting from a set of initial variables, a homotopy optimization is set to search for an optimum solution. The ANN technique is adopted as the surrogate in place of a usual time-consuming EM model to accelerate the homotopy optimization process of the cruciform coupler. We propose a feed-forward computational formulation inspired by the fundamental transmission line impedance equation. Such a transmission line knowledge-based feedforward network results in a faster convergence with better accuracy than its conventional counterpart. To demonstrate the homotopy optimization method based on the ANN model, an example of multiparameterized cruciform coupler design is detailed. This cruciform coupler with optimized geometric dimensions is simulated, fabricated, and measured. Measured and simulated results validate the combined ANN model and homotopy method. An equivalent lumped-element circuit model of the cruciform coupler is also proposed in this work. An ANN model development technique is described how to extract the equivalent circuit parameters for given coupler specifications. Extracted circuit parameters in connection with the desired coupler performance are then compared with published results which verify the ANN model development algorithm.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».