Deep Learning Framework for the Design of Orbital Angular Momentum Generators Enabled by Leaky-wave Holograms

要約

タイトル：リーキーウェーブホログラムによって可能になる軌道角運動量発生器の設計のためのディープラーニングフレームワーク

要約：

– 新しい手法が開発され、マシンラーニング技術を使って、軌道角運動量(OAM)をもつ電磁波を発生させるリーキーウェーブホログラムアンテナの設計が可能になった。
– 全放射パターンを効果的に制御するための数学的関数を機械学習技術を使用して見つけることができるため、システムの性能を向上させることができる。
– ホログラフィック理論に基づくインピーダンス方程式のパラメータを精密に調整することは、多様なシナリオで最適な結果を実現するために必要である。この研究では、機械学習を使用して、パラメータの近似値を決定した。
– 77,000の生成されたデータセットを使用することで、各パラメータの最適な値を決定し、望ましい放射パターンを実現することができる。さらに、機械学習を用いることで、従来の手動パラメータチューニングと最適化方法よりも時間を節約し、より正確な結果が得られる。

要約(オリジナル)

In this paper, we present a novel approach for the design of leaky-wave holographic antennas that generates OAM-carrying electromagnetic waves by combining Flat Optics (FO) and machine learning (ML) techniques. To improve the performance of our system, we use a machine learning technique to discover a mathematical function that can effectively control the entire radiation pattern, i.e., decrease the side lobe level (SLL) while simultaneously increasing the central null depth of the radiation pattern. Precise tuning of the parameters of the impedance equation based on holographic theory is necessary to achieve optimal results in a variety of scenarios. In this research, we applied machine learning to determine the approximate values of the parameters. We can determine the optimal values for each parameter, resulting in the desired radiation pattern, using a total of 77,000 generated datasets. Furthermore, the use of ML not only saves time, but also yields more precise and accurate results than manual parameter tuning and conventional optimization methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI