طراحی نرم افزار آنتن میکرواستریپ با استفاده از مدل سازی یادگیری عمیق شبکه های عصبیبازگشتی

در این مقاله، مدل یک مسئله غیر خطی با استفاده از شبکه عصبی بازگشتی (RNN) بیان شده است. موردی که در این مقاله مطالعه شده است، توسعه نرم افزار برای طراحی آنتن در نظر گرفته شده است. در ابتدا، مجموعه داده یادگیری عمیق با شبیه سازی یک آنتن ماکرواستریپ معمولی برای پارامترهای فیزیکی مختلف ساخته می شود. بر خلاف فرایند معمول شبیه سازی، پارامترهای خروجی شبیه سازی آنتن به عنوان ورودی مدل شبکه عصبی بازگشتی و پارامترهای شبیه سازی فیزیکی آنتن، به عنوان خروجی شبکه عصبی در نظر گرفته می شوند. بنابراین، برای طراحی آنتن ماکرواستریپ با فرکانس کاری و گین (بهره) مورد نظر، پارامترهای هندسی و فیزیکی آنتن سنتز شده به دست می آید. به عبارت دیگر، عملیات غیر خطی داخل مدل شبکه عصبی بازگشتی، معادلات پیچیده دینامیکی ماکسول را مورد الگو قرار می دهد. نرم افزار ارائه (مطرح) شده در این مقاله، رفتارهای مسئله تشعشع آنتن را بر اساس حل کننده های تمام موج زمانبر الکترومغناطیسی، با زمان طراحی (سنتز) چند میلیثانیه، تا ۹۸ درصد دقت، بازسازی می کند.

کلیدواژه ها:

شبکه عصبی بازگشتی ، یادگیری عمیق ، آنتن ماکرواستریپ