MétaCan
Menu
Retour à la cohorte
Enregistrement W4392904703 · doi:10.1109/tmtt.2024.3374371

A Novel Design Space Decomposition Technique to Accelerate FEM-Based Electromagnetic Topology Optimization for Waveguide Structures

2024· article· en· W4392904703 sur OpenAlexaff
Jiali Zhang, Jing Jin, Xiaolong Li, Feng Feng, Wei Liu, Wei Zhang, Kaixue Ma, Qi‐Jun Zhang

Notice bibliographique

RevueIEEE Transactions on Microwave Theory and Techniques · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensCarleton University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésTopology optimizationFinite element methodTopology (electrical circuits)WaveguideDecompositionElectronic engineeringSpace mappingSpace (punctuation)Computer sciencePhysicsEngineeringElectrical engineeringOpticsStructural engineering

Résumé

récupéré en direct d'OpenAlex

In radio frequency (RF) and microwave design optimization, electromagnetic (EM) simulation is crucial yet time-consuming. Solving extensive system equations is computationally expensive for finite-element method (FEM)-based EM simulation. In addition, during optimization, changes to the EM structure are often incremental, leading to inefficiencies in generating and solving new FEM system equations. To address this situation, this article proposes a novel design space decomposition (DSD) technique to rapidly calculate the EM response ($S$-parameter) of EM waveguide structures featuring newly optimized topologies. The proposed DSD technique is to segment the variable in the whole design space into several small variables in subspaces. Specifically, the FEM system matrix is decomposed into a constant part and a variable part, where the variable part can be further decomposed into a diagonal block matrix. Subsequently, a novel algorithm is developed to expedite the calculation of the EM response when modifications are applied to the diagonal block matrix within the variable part. With the proposed algorithm, the size of the small matrix remains independent of the number of subspaces, maintaining its smallest size consistently. This streamlined approach facilitates rapid calculations. The proposed technique negates the need to compute the entire, extensive system matrix, thereby greatly reducing the computational burden. Consequently, the proposed technique expedites the overall EM topology optimization. The efficiency of the proposed method is demonstrated through two microwave 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,010
Tête enseignante GPT0,255
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Microwave Theory and TechniquesMême sujetTopology Optimization in EngineeringTravaux en français237 207