MétaCan
Menu
Retour à la cohorte
Enregistrement W4407361784 · doi:10.1109/tmtt.2025.3535526

An LUR-Based Fast Frequency Sweep Technique to Expedite the EM Topology Optimization for Waveguide Structures

2025· article· en· W4407361784 sur OpenAlexaff
Jiali Zhang, Feng Feng, Xiaolong Li, Jing Jin, Ke Liu, Mutian Li, Jinyi Liu, Wei Liu, Di Zhou, Qi‐Jun Zhang

Notice bibliographique

RevueIEEE Transactions on Microwave Theory and Techniques · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Engineering and Waveguides
Établissements canadiensCarleton University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésWaveguideTopology (electrical circuits)Topology optimizationElectronic engineeringComputer sciencePhysicsOpticsEngineeringElectrical engineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

Material topology optimization is important in electromagnetics (EMs) optimization. The design space decomposition (DSD) technique has recently been proven efficient in computing the EM response for a single frequency in topology optimization. However, when the considered bandwidth is wide, the increased time of calculating EM responses can be nonnegligible, leading to the consideration of the model order reduction (MOR) technique. This article proposes a novel lower and upper triangular matrix reconstruction (LUR)-based fast frequency sweep (FFS) algorithm, addressing the challenges of combining the MOR into the DSD technique. The proposed LUR-based FFS algorithm includes two new techniques: the proposed LUR formulas and the LUR-based forward/backward (LURFB) substitution algorithm. The LUR formulas are developed based on the small matrices calculated by the DSD, efficiently reconstructing the lower and upper triangular matrices of the new finite element method (FEM) system matrix for the updated topology with minimal computational overhead. The LURFB algorithm is a simplified forward/backward (F/B) substitution algorithm based on the LUR formulas to expedite solving system solutions. Incorporating the above two techniques, the MOR can be embedded into the DSD technique, making the FFS achievable and efficient in EM topology optimization. The proposed method preserves the advantages of the DSD technique and outperforms the DSD technique for owning the FFS. Three waveguide examples are optimized using a genetic algorithm (GA) and evaluated with the proposed method, demonstrating superior time efficiency and friendly memory usage compared to other approaches.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,006
Tête enseignante GPT0,245
Écart entre enseignants0,239 · 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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Microwave Theory and TechniquesMême sujetMicrowave Engineering and WaveguidesTravaux en français237 207