MétaCan
Menu
Retour à la cohorte
Enregistrement W4379930694 · doi:10.1109/ojap.2023.3283992

Bandwidth Enhancement of Low-Profile Metasurface Antenna Using Nonuniform Geometries

2023· article· en· W4379930694 sur OpenAlexafffund
Hayden Banting, Carlos E. Saavedra

Notice bibliographique

RevueIEEE Open Journal of Antennas and Propagation · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Antenna and Metasurface Technologies
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWidebandBandwidth (computing)ConductorImpedance matchingDifferential evolutionParameterized complexityElectrical impedanceOpticsComputer scienceReconfigurable antennaAcousticsPhysicsDipole antennaMaterials scienceElectronic engineeringAntenna (radio)MathematicsEngineeringGeometryTelecommunicationsAntenna efficiencyAlgorithm

Résumé

récupéré en direct d'OpenAlex

Artificial magnetic conductor metasurface antennas are investigated using a robust, surrogate-assisted, differential evolution optimization technique. Using a uniform metasurface array configuration as a starting point, multiple array configurations are parameterized and the differential evolution optimizer yields nonuniform array geometries exhibiting wideband performance. The bandwidth improvement is attributed to the structure’s ability to support additional higher-order modes with good impedance matching. A comparison between the uniform metasurface antenna cases and their ‘evolved’ nonuniform counterparts is presented to demonstrate the advantages of the proposed technique. Two prototypes are fabricated and characterized to experimentally confirm the advantages of proposed designs. The first prototype, a 3x3 case, measured a fractional bandwidth of 36.8% with peak gain of 8.3 dBi. The second prototype, a 4x4 case, measured a fractional bandwidth of 51.8% with peak gain of 8.8 dBi. When compared to standard uniform cases, the proposed nonuniform geometries exhibit substantial impedance bandwidth enhancement.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,035
Tête enseignante GPT0,283
Écart entre enseignants0,248 · 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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of Antennas and PropagationMême sujetAdvanced Antenna and Metasurface TechnologiesTravaux en français237 207