AI and physics unite for meta-antennas design
PA-PSO 演算法的原理圖。(a)和(b)Metalens天線的工作原理。(c)和(d)傳統PSO和PA-PSO演算法的比較。紅色和藍色星星分別代表最優和次優設計。紅點和虛線箭頭分別表示粒子的位置和速度。信用:光電科學(2024)。DOI:10.29026/oes.2024.240014

Ka波段超表面天線以其低成本、薄型設計和卓越的波束控制能力,在衛星通訊領域中展現出巨大的潛力。然而,有限的衛星資源和Ka頻段的大氣損耗的限制要求這些天線實現廣角波束掃描能力和高天線增益,這給其設計增加了相當大的複雜性。

為了實現多功能、高效率元天線的設計,設計將涉及眾多參數,大幅增加計算資源的使用和最佳化時間。解決平衡多個最佳化目標(例如增益和掃描角度)的關鍵問題,同時提高最佳化速度,仍然是該領域的關鍵挑戰。

為了應對元天線設計的這些挑戰,來自中國電子科技大學、同濟大學和香港城市大學的研究人員進行了廣泛的合作。

他們利用在元光學領域的長期專業知識,提出了一種基於物理輔助粒子群優化(PA-PSO)演算法的Ka波段元天線設計方法。利用這種方法,他們設計並製造了Ka波段元天線。該研究是發表在日記中光電科學

本文提出的天線是使用PA-PSO演算法設計的。與傳統PSO演算法相比,PA-PSO演算法中粒子的最佳化方向由變分法導出的極值條件引導。這不僅減少了計算時間,也降低了發現次優設計的可能性。

最終最佳化結果表明,PA-PSO演算法達到的相對強度為94.62806,與傳統PSO演算法達到的相對強度94.62786相當。然而,PA-PSO演算法的計算成本明顯較低;只需 650 次迭代即可達到最優狀態,而傳統 PSO 演算法則需要 4100 次迭代。

這意味著 PA-PSO 演算法的計算時間不到 PSO 演算法的六分之一。因此,PA-PSO方法可以更有效地引導粒子群,減少計算時間,使其成為解決複雜的多變量和多目標最佳化挑戰的重要工具。

  • AI and physics unite for meta-antennas design
    PA-PSO 演算法的效能。(a) PA-PSO 和 PSO 演算法的相對電場強度隨迭代次數的變化。紫色線表示計算錯誤。四個六邊形由下而上分別代表不同階段的相位分佈:初始相位分佈、PSO演算法迭代650次、PSO演算法迭代1500次、PSO演算法迭代4100次(PA-PSO演算法迭代650次)。(b) 平面透鏡天線的 FOV 和 F/D 比較。點的顏色表示在視野範圍內掃描時增益的波動。信用:光電科學(2024)。DOI:10.29026/oes.2024.240014
  • AI and physics unite for meta-antennas design
    當饋源放置在具有不同位移 x 的焦平面上時,超透鏡天線的增益分佈。當饋源位置為(a)x=0時的實驗結果(藍線)與模擬結果(紅線)對比,顯示最大增益為21.7 dBi,對應0°角度;(b) 在 x = 15 mm 處,最大增益為 21.2 dBi,對應於 25° 的角度;(c) 在 x = 30 mm 處,最大增益為 18.3 dBi,對應於 55° 的角度。(d) 最大增益角與在不同位置測試饋源所得到的相應增益之間的關係。插圖顯示了樣品照片和晶胞結構圖。信用:光電科學(2024)。DOI:10.29026/oes.2024.240014

基於PA-PSO最佳化的相位分佈團隊設計並製作了焦距為22毫米、對角線長度為110毫米、厚度僅1.524毫米的六邊形元天線樣品。

此天線的光圈值僅為0.2,波束掃描角度為±55°,最大增益為21.7 dBi,增益平坦度在4 dB以內。這種創新的六角形元天線以其寬掃描角度、緊湊的設計和高傳輸增益在衛星通訊、、5G網路、物聯網等多領域。

更多資訊:Shibin Jiang等人,物理輔助粒子群優化(PA-PSO)演算法支援的Ka波段超透鏡天線,光電科學(2024)。DOI:10.29026/oes.2024.240014

提供者:康普腳本有限公司

引文:人工智慧和實體結合進行元天線設計(2024 年 10 月 11 日)檢索日期:2024 年 10 月 12 日取自 https://techxplore.com/news/2024-10-ai-physicals-meta-antennas.html

本文檔受版權保護。除了出於私人學習或研究目的的任何公平交易外,不得未經書面許可,不得複製部分內容。所提供的內容僅供參考。