Multifidelity Space-Mapping-Based Approach for Accelerated Multiphysics Optimization of Microwave Devices
Notice bibliographique
Résumé
This article proposes an advanced multifidelity space-mapping-based approach to accelerate the multiphysics optimization of microwave devices. The proposed method develops a novel two-layer space mapping (SM) framework that strategically integrates two complementary mappings. The first-layer mapping bridges high-fidelity multiphysics analysis (multiphysics fine model) with single-physics electromagnetic (EM) analysis (EM fine model), while the second-layer mapping further leverages this EM fine model to a computationally inexpensive EM coarse model constructed on a coarse mesh (EM coarse model). To effectively capture the complex nonlinear relationships between different fidelity models, artificial neural networks (ANNs) are employed to construct both mappings, enabling efficient fidelity transitions and preserving surrogate model accuracy. A trust-region optimization algorithm, tailored for this multifidelity SM framework, is developed to guarantee stability and convergence efficiency during the optimization process. This algorithm updates the optimization step size based on the local credibility of the surrogate model, effectively guiding the design toward a robust convergence with limited high-fidelity data. By utilizing the two-layer neural network mapping and the custom optimization strategy, our method systematically shifts computationally intensive optimization tasks to the lowest-fidelity model. This significantly reduces the reliance on expensive multiphysics simulations. Validation through three diverse design examples, including waveguide filters and a tunable antenna, demonstrates that the proposed method excels in accelerating multiphysics optimization. The framework effectively reduces the reliance on expensive multiphysics simulations and shortens the total optimization time compared to conventional surrogate modeling approaches, providing a powerful tool for the efficient design of complex microwave devices.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».