基于深度学习的含 3D 电磁结构毫米波无源网络端到端综合：以基于变压器的匹配网络为例
机器学习
2022-01-07 v1 系统与控制
信号处理
系统与控制
摘要
本文提出一种深度学习辅助的综合方法，用于直接端到端生成具有 3D 电磁(EM)结构的射频/毫米波无源匹配网络。不同于先前从目标电路元件值与目标拓扑综合 EM 结构的方法，我们提出的方案在给定网络拓扑的情况下，以期望性能值作为输入，实现无源网络的直接综合。我们在一个片上 1:1 基于变压器的阻抗匹配网络上展示了所提出的综合神经网络(NN)模型。通过利用参数共享，该综合 NN 模型成功从输入阻抗与负载电容中提取相关特征，并预测在 45nm SOI 工艺下能将标准 50 负载匹配到目标输入阻抗同时吸收两个负载电容的变压器 3D EM 几何结构。作为概念验证，综合了若干变压器几何结构，并在 Ansys HFSS 中验证可提供所需输入阻抗。
引用
@article{arxiv.2201.02141,
title = {Deep Learning Assisted End-to-End Synthesis of mm-Wave Passive Networks with 3D EM Structures: A Study on A Transformer-Based Matching Network},
author = {Siawpeng Er and Edward Liu and Minshuo Chen and Yan Li and Yuqi Liu and Tuo Zhao and Hua Wang},
journal= {arXiv preprint arXiv:2201.02141},
year = {2022}
}
备注
2021 IEEE MTT-S International Microwave Symposium (IMS)