AI and physics unite for meta-antennas design
PA-PSO 算法的原理图。(a)和(b)Metalens天线的工作原理。(c)和(d)传统PSO和PA-PSO算法的比较。红色和蓝色星星分别代表最优和次优设计。红点和虚线箭头分别表示粒子的位置和速度。信用:光电科学(2024)。DOI:10.29026/oes.2024.240014

Ka波段超表面天线以其低成本、薄型设计和卓越的波束控制能力,在卫星通信领域显示出巨大的潜力。然而,有限的卫星资源和Ka频段的大气损耗的限制要求这些天线实现广角波束扫描能力和高天线增益,这给其设计增加了相当大的复杂性。

为了实现多功能、高效元天线的设计,设计将涉及众多参数,大大增加计算资源的使用和优化时间。解决平衡多个优化目标(例如增益和扫描角度)的关键问题,同时提高优化速度,仍然是该领域的一个关键挑战。

为了应对元天线设计的这些挑战,来自中国电子科技大学、同济大学和香港城市大学的研究人员进行了广泛的合作。

他们利用在元光学领域的长期专业知识,提出了一种基于物理辅助粒子群优化(PA-PSO)算法的Ka波段元天线设计方法。利用这种方法,他们设计并制造了Ka波段元天线。该研究是发表在日记中光电科学

本文提出的天线是使用PA-PSO算法设计的。与传统PSO算法相比,PA-PSO算法中粒子的优化方向由变分法导出的极值条件引导。这不仅减少了计算时间,还降低了发现次优设计的可能性。

最终优化结果表明,PA-PSO算法达到的相对强度为94.62806,与传统PSO算法达到的相对强度94.62786相当。然而,PA-PSO算法的计算成本明显较低;只需 650 次迭代即可达到最优状态,而传统 PSO 算法需要 4100 次迭代。

这意味着 PA-PSO 算法的计算时间不到 PSO 算法的六分之一。因此,PA-PSO方法可以更有效地引导粒子群,减少计算时间,使其成为解决复杂的多变量和多目标优化挑战的重要工具。

  • AI and physics unite for meta-antennas design
    PA-PSO 算法的性能。(a) PA-PSO 和 PSO 算法的相对电场强度随迭代次数的变化。紫色线表示计算错误。四个六边形从下到上分别代表不同阶段的相位分布:初始相位分布、PSO算法迭代650次、PSO算法迭代1500次、PSO算法迭代4100次(PA-PSO算法迭代650次)。(b) 平面透镜天线的 FOV 和 F/D 比较。点的颜色表示在视场范围内扫描时增益的波动。信用:光电科学(2024)。DOI:10.29026/oes.2024.240014
  • AI and physics unite for meta-antennas design
    当馈源放置在具有不同位移 x 的焦平面上时,超透镜天线的增益分布。当馈源位置为(a)x=0时的实验结果(蓝线)与仿真结果(红线)对比,显示最大增益为21.7 dBi,对应0°角度;(b) 在 x = 15 mm 处,最大增益为 21.2 dBi,对应于 25° 的角度;(c) 在 x = 30 mm 处,最大增益为 18.3 dBi,对应于 55° 的角度。(d) 最大增益角与在不同位置测试馈源得到的相应增益之间的关系。插图显示了样品照片和晶胞结构图。信用:光电科学(2024)。DOI:10.29026/oes.2024.240014

基于PA-PSO优化的相位分布团队设计并制作了焦距为22毫米、对角线长度为110毫米、厚度仅为1.524毫米的六边形元天线样品。

该天线的光圈值仅为0.2,波束扫描角度为±55°,最大增益为21.7 dBi,增益平坦度在4 dB以内。这种创新的六边形元天线以其宽扫描角度、紧凑的设计和高传输增益在卫星通信、、5G网络、物联网等众多领域。

更多信息:Shibin Jiang等人,物理辅助粒子群优化(PA-PSO)算法支持的Ka波段超透镜天线,光电科学(2024)。DOI:10.29026/oes.2024.240014

提供者:康普脚本有限公司

引文:人工智能和物理结合进行元天线设计(2024 年,10 月 11 日)检索日期:2024 年 10 月 12 日来自 https://techxplore.com/news/2024-10-ai-physicals-meta-antennas.html

本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外,不得未经书面许可,不得复制部分内容。所提供的内容仅供参考。