MétaCan
Menu
Retour à la cohorte
Enregistrement W4413213206 · doi:10.1109/mmm.2025.3591592

Advances in Coupling Matrix Optimization and Topology Design for Multiplexer Synthesis

2025· article· en· W4413213206 sur OpenAlexaff
Jingpei Zhang, Yang Yu, Feng Feng, Ke Liu, Mutian Li, Kaixue Ma, Qi‐Jun Zhang

Notice bibliographique

RevueIEEE Microwave Magazine · 2025
Typearticle
Langueen
DomaineChemistry
ThématiqueMicrowave-Assisted Synthesis and Applications
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMultiplexerCoupling (piping)Topology (electrical circuits)Topology optimizationMatrix (chemical analysis)Computer scienceNetwork topologyMultiplexingElectronic engineeringPhysicsEngineeringMaterials scienceElectrical engineeringComputer networkMechanical engineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

Multiplexers play an important role for radio frequency combination and separation in various communication systems and remote sensing systems. In recent years, continuous innovations in computational intelligent algorithms have significantly advanced the development of multiplexer synthesis methods, especially in coupling matrix optimization and topology design. This article provides a comprehensive overview of methodologies for multiplexer synthesis and offers a complete design guide for multiplexers. It conducts a comparative analysis of different synthesis methods, providing practical guidance and suggestions for problems in various scenarios, which helps designers choose the appropriate approach based on application requirements. The focus of the article is on reporting several optimization-based techniques for coupling matrix synthesis. Then, a novel topology designed based on the optimized synthesis approaches is reported. Furthermore, the study explores channel frequency allocation schemes relevant to this new topology, thereby expanding the design boundaries of multiplexer topologies.

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)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,825
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,016
Tête enseignante GPT0,283
Écart entre enseignants0,267 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Microwave MagazineMême sujetMicrowave-Assisted Synthesis and ApplicationsTravaux en français237 207