인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
We propose a metasurface antenna capable of real-time holographic beam steering. An array of reconfigurable dipoles can generate on-demand far-field patterns of radiation through the specific encoding of meta-atomic states i.e., the configuration of each dipole. Suitable states for the generation of the desired patterns can be identified using iteration, but this is very slow and needs to be done for each far-field pattern. Here, we present a deep-learning-based method for the control of a metasurface antenna with point dipole elements that vary in their state using dipole polarizability. Instead of iteration, we adopt a deep learning algorithm that combines an autoencoder with an electromagnetic scattering equation to determine the states required for a target far-field pattern in real-time. The scattering equation from Born approximation is used as the decoder in training the neural network, and analytic Green's function calculation is used to check the validity of Born approximation. Our learning-based algorithm requires a computing time of within 200 μs to determine the meta-atomic states, thus enabling the real-time operation of a holographic antenna.
#Autoencoder
#Antenna (radio)
#Holography
#Radiation pattern
#Computer science
#Reconfigurable antenna
#Deep learning
#Artificial neural network
#Dipole antenna
#Scattering
#Optics
#Field (mathematics)
#Dipole
#Physics
#Artificial intelligence
#Mathematics
#Telecommunications
#Quantum mechanics
#Antenna efficiency
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
