微波被动的全球化参数调整通过缩小维度的替代品和多真实性模拟

科学领域:

• 电气工程 电气工程
• 计算电磁学 计算机电磁学
• 微波工程 微波工程

背景情况:

• 微波元件设计中的参数调整是计算密集的,特别是在全球优化中.
• 现有的以自然为灵感和替代品为基础的方法面临着高维度和非线性电路响应的挑战,导致过高的电磁 (EM) 模拟成本.
• 微波被动元件的快速和准确的优化对于推进高频电路设计至关重要.

研究的目的:

• 引入一种基于人工智能 (AI) 和机器学习 (ML) 的新方法,用于快速全球优化微波被动元件.
• 通过尽量减少所需的EM模拟的数量,显著减少微波设计中的参数调整的计算负担.
• 为了提高复杂,非线性微波电路的优化过程的准确性和效率.

主要方法:

• 一个两阶段的优化过程,通过灵敏度分析将维度降低与多真实性电磁 (EM) 模拟相结合.
• 替代器辅助机器学习 (ML) 在缩小维度空间中的应用,以节省计算成本和提高替代模型的准确性.
• 使用低保真EM模型进行初始搜索和高分辨率模型在全维设计空间进行最终的本地改进.

主要成果:

• 拟议的人工智能驱动方法在四个微条带电路验证中,与最先进的基准技术相比,表现优越.
• 实现了显著的计算成本降低,平均优化成本相当于大约90个EM模拟.
• 保持具有竞争力的设计质量,与使用传统基准优化方法获得的结果可比.

结论:

• 开发的AI和ML方法为微波被动元件的全球优化提供了计算效率高,准确的解决方案.
• 这种方法有效地解决了传统方法的局限性,特别是维度和高仿真成本的诅咒.
• 该技术为寻求快速可靠地优化微波电路的工程师提供了实用和有效的替代方案.