طراحی یک جاذب فراسطحی تراهرتز بر پایه تکنیک یادگیری ماشین

توسعه جاذب های فراسطحی راه حل بالقوه ای برای دستیابی به وزن کم، ضخامت نازک، نرخ جذب مطلوب و ویژگی های قابل قبول جذب امواج تراهرتز ، ارائه می دهد. به منظور بهینه سازی خواص جذب فراسطح ها، معمولا از طیف جذب به عنوان یک معیار ارزیابی مهم استفاده میشود که می تواند بسیاری از ویژگی های مهم مانند مقدار جذب در فرکانس های مختلف را نشان دهد. اما، تحلیل طیف های جذب، به تعداد زیادی پارامترهای ساختاری وابسته است که منابع و زمان زیادی را مصرف می کند، زیرا جذب موج الکترومغناطیسی شامل فرآیندهای تطبیق امپدانس مختلط و تحریک میدان الکتریکی است. برای پرداختن به این موضوع، این تحقیق یک رویکرد یادگیری ماشین مبتنی بر الگوریتم جنگل تصادفی را برای پیش بینی نرخ جذب بر اساس پارامترهای ساختاری پیشنهاد می کند و نیاز به شبیه سازی عددی و زمان تجزیه و تحلیل طیف را کاهش می دهد. با مدل جنگل تصادفی، نرخ جذب با امتیاز R۲ بیش از ۹۹/۰پیش بینی می شود. علاوه بر این، طرح جاذب پیشنهادی دارای مزایای نازک بودن، غیرحساس بودن به پلاریزاسیون و با زاویه برخورد نسبتا پایدار به واسطه تقارن ساختار است. این مطالعه یک رویکرد عملی و موثر برای طراحی سیستم های پیچیده مرتبط با انتشار موج الکترومغناطیسی جاذب، بازتاب و انتقال ارائه می کند.

کلیدواژه ها:

جاذب ، طراحی فراسطح ، تراهرتز ، یادگیری ماشین ، الگوریتم جنگل تصادفی