面向未来通信的可重构超表面深度逆向设计
应用物理
2021-01-25 v1 信号处理
摘要
可重构智能表面（RIS）近来作为智能无线环境与自适应无线信道的构建模块受到显著关注。通过改变随空间与时间变化的电磁（EM）特性，RIS 将无线环境固有的随机性质转化为可编程传播信道。传统上，设计具有所需 EM 响应的 RIS 需要通过数千次全波 EM 仿真迭代考察大量几何与材料可能性来进行试错。在此背景下，深度学习（DL）技术被证明对降低 RIS 逆向设计的计算成本与时间至关重要。DL 模型不显式求解麦克斯韦方程，而是通过监督训练数据学习基于物理的关系。此外，生成对抗网络被证明能综合出文献中未曾出现的新颖 RIS 设计。本文概述了用于逆向 RIS 设计与优化的 DL 技术，以产生未来无线网络所需的目标 EM 响应。
引用
@article{arxiv.2101.09131,
title = {Deep Inverse Design of Reconfigurable Metasurfaces for Future Communications},
author = {John A. Hodge and Kumar Vijay Mishra and Amir I. Zaghloul},
journal= {arXiv preprint arXiv:2101.09131},
year = {2021}
}
备注
7 pages, 5 figures, 1 table