Machine Learning–Based Computational Framework for Graphene–Silicon Twin-Port Band-Notched Wideband Antenna in Optical Regime
Dieses Papier präsentiert eine durch maschinelles Lernen optimierte Graphen-Silizium-Zweiport-Antenne, die im THz-Bereich arbeitet und eine Apertur-Speisung sowie defektorientierte Bodenstrukturen nutzt, um eine Breitbandleistung mit einer spezifischen Sperrband-Charakteristik zu erzielen, während Deep Neural Networks und Random Forest Algorithmen eingesetzt werden, um ihren Reflexionskoeffizienten präzise vorherzusagen.