Machine learning-based dual-band circular MIMO antennas for high-performance 6 G IoT system
Notice bibliographique
Résumé
• A novel 1 × 2 dual-band circular MIMO antenna is proposed for 6G THz wireless communication (3–8 THz). • Achieves dual-band operation at 5 THz (2.08 THz BW) and 7.67 THz (0.9 THz BW) with excellent return losses of –41.88 dB and –62.79 dB. • Provides superior isolation of –32.2 dB, outperforming existing THz MIMO designs. • Integrates six ML regression models (Random Forest, Extra Tree, XGBoost, KNN, Gaussian Process, CatBoost) for performance prediction. • Extra Tree Regression achieves the best accuracy (>87% for bandwidth prediction and precise isolation prediction). • Compact antenna size (80 × 160 μm²) makes it suitable for practical 6G THz integration. The demand for ultra-high data rates, ultra-low latency, and intelligent networking in 6G massive-scale IoT environments necessitates efficient design strategies for multiple-input multiple-output (MIMO) antenna systems. This study presents a novel, compact dual-band 2 × 2 MIMO antenna optimized through machine learning (ML) techniques, addressing bandwidth limitations and design complexities while reducing computational overhead compared to conventional simulation methods for 6G IoT applications. The proposed design features two orthogonally positioned T-slotted circular patch elements on a polyimide substrate, operating in the fundamental TM₁₀ mode to minimize electromagnetic leakage while enhancing radiation efficiency and directivity. Unlike traditional rectangular configurations, the slotted circular geometry delivers superior MIMO performance with broader bandwidth, enhanced isolation, reduced mutual coupling, and stable radiation characteristics in a compact footprint. Electromagnetic simulations were conducted using Computer Simulation Technology (CST) Studio Suite and cross-verified with Ansys HFSS, ensuring comprehensive validation. The antenna demonstrates exceptional dual-band performance with isolation of -32.2 dB, maximum bandwidth of 2.08 THz at 5 THz, and radiation efficiency of 87.43%. Diversity metrics include an Envelope Correlation Coefficient (ECC) of 0.009 and Diversity Gain (DG) of 9.96, confirming excellent MIMO characteristics. Six ML regression models were employed for predictive performance optimization, with the Extra Tree regression model achieving superior accuracy exceeding 87% for bandwidth prediction across all three frequency bands for both bandwidth and isolation parameters. The proposed circular MIMO antenna, validated through electromagnetic simulation and ML-based predictions, emerges as a promising candidate for terahertz 6G IoT applications with excellent impedance matching, radiation performance, and diversity characteristics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».