MPCDNet: A Deep Learning-Based Microwave Passive Component Design Network

doi:10.1109/TMTT.2025.3578892

MPCDNet: A Deep Learning-Based Microwave Passive Component Design Network

2025-06-24

0

PRE

AI

DOI：10.1109/TMTT.2025.3578892

原文链接

原文求助

摘要

En 中文

为丰富设计几何并缩短研发周期，本文提出了一种基于深度学习的微波无源器件设计网络（MPCDNet），用于同时自动建模不同结构和参数。首先，将建模参数离散化以确保与结构建模的一致性，从而将参数和结构建模过程表示为二进制矩阵。然后，将微波无源器件设计视为序列建模任务。通过多层Transformer模型，对输入序列进行深度建模以捕捉输入属性与其响应之间的复杂映射关系。最后，通过差分传输线和差分耦合器验证所提网络的有效性。结果表明，所提网络在实现微波无源器件结构和参数特性的快速并行建模的同时，能够提供精确的性能预测，相较于HFSS仿真，差分传输线的建模速度提升了30倍，差分耦合器的加速效果达到120倍，并且能够实现可扩展至2ⁿ（n为子单元数量）配置的结构多样性。

Keyword:

Automated modeling

deep learning

microwave passive component

transformer model

MPCDNet: A Deep Learning-Based Microwave Passive Component Design Network

摘要

期刊

机构

引用论文