基于深度学习的可重构变形贴片天线用于实时全息波束定向
计算物理
2024-06-24 v1 机器学习
数据分析、统计与概率
光学
摘要
我们提出一种能够实现实时全息波束定向的变形贴片天线。可通过特定编码 meta 原子状态（即每个 dipole 的 configuration）在需求下生成远场辐射模式。通过 iteration 识别适合生成所需模式的状态，但这种方法非常缓慢且需为每个远场模式执行。本文提出一种基于深度学习的方法，用于控制具有点 dipole 元素、其状态使用 dipole 极化的变形贴片天线。我们采用结合自编码器和电磁散射方程的深度学习算法来确定实现目标远场模式所需的状态。Born 近似的散射方程用作神经网络训练中的 decoder，而解析 Green's 函数计算用于验证 Born 近似的有效性。基于学习的算法需要在 200 微秒内确定 meta 原子状态，从而实现变形贴片天线的实时 operation。
引用
@article{arxiv.2406.14585,
title = {Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering},
author = {Hyunjun Ma and Jin-soo Kim and Jong-Ho Choe and Q-Han Park},
journal= {arXiv preprint arXiv:2406.14585},
year = {2024}
}