EM-GANSim: Real-time and Accurate EM Simulation Using Conditional GANs for 3D Indoor Scenes

要約

3D 屋内環境での無線通信シミュレーションに使用される、リアルタイム電磁波 (EM) 伝播のための新しい機械学習 (ML) アプローチ (EM-GANSim) を紹介します。
私たちのアプローチでは、電磁伝播理論を遵守しながら、エンコードされたジオメトリと送信機の位置を組み込んだ、修正された条件付き敵対的生成ネットワーク (GAN) を使用します。
全体的な物理的インスピレーションに基づいた学習により、ヒートマップを使用して表現される 3D シーンの電力分布を予測できます。
平均二乗誤差値が低いことからわかるように、全体的な精度はレイ トレーシング ベースの EM シミュレーションに匹敵します。
さらに、GAN ベースの手法により計算時間が大幅に短縮され、複雑なベンチマークで 5 倍の高速化を達成しました。
実際には、3D 屋内環境の任意の場所で信号強度を数ミリ秒で計算できます。
3D モデルの大規模なデータセットと EM レイ トレーシングでシミュレートされたヒートマップも紹介します。
私たちの知る限り、EM-GANSim は、複雑な 3D 屋内環境における EM シミュレーションのための初のリアルタイム アルゴリズムです。
コードとデータセットは公開する予定です。

要約(オリジナル)

We present a novel machine-learning (ML) approach (EM-GANSim) for real-time electromagnetic (EM) propagation that is used for wireless communication simulation in 3D indoor environments. Our approach uses a modified conditional Generative Adversarial Network (GAN) that incorporates encoded geometry and transmitter location while adhering to the electromagnetic propagation theory. The overall physically-inspired learning is able to predict the power distribution in 3D scenes, which is represented using heatmaps. Our overall accuracy is comparable to ray tracing-based EM simulation, as evidenced by lower mean squared error values. Furthermore, our GAN-based method drastically reduces the computation time, achieving a 5X speedup on complex benchmarks. In practice, it can compute the signal strength in a few milliseconds on any location in 3D indoor environments. We also present a large dataset of 3D models and EM ray tracing-simulated heatmaps. To the best of our knowledge, EM-GANSim is the first real-time algorithm for EM simulation in complex 3D indoor environments. We plan to release the code and the dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google