Machine Learning–Based Computational Framework for Graphene–Silicon Twin-Port Band-Notched Wideband Antenna in Optical Regime

无线通信领域正不断向着更快的速度和更大的数据容量迈进。为了跟上未来技术的需求，科学家们正在将目光从我们今天使用的无线电波转向太赫兹频谱。这一区域位于微波与光之间，具备实现目前难以想象的数据传输速率的潜力。然而，利用这些频率非常困难。这个层级的信号往往衰减得很快，并会被空气吸收，需要专门的设备来有效地发送和接收它们。解锁这一潜力的关键在于设计微小且高效的天线，使其能够在这种高频状态下工作而不损失功率或清晰度。

在这种追求中，研究人员转向了先进材料与智能计算的结合。一种极具前景的材料是石墨烯，它是由单层碳原子组成的，极其薄且具有导电性，可以通过调节来改变天线的行为方式。另一种方法是使用硅——一种常见的电子材料，将其塑造成特定的形状以高效引导波。然而，挑战在于设计这些天线是一个缓慢且复杂的过程。传统的计算机模拟（充当测试电磁波如何与金属和介质结构相互作用的虚拟风洞）运行时间很长。为了提高速度，来自印度多个机构的研究团队开发了一种新方法，将这些物理设计与机器学习（一种通过数据进行学习以做出预测的人工智能形式）相结合。

研究人员致力于构建一个双端口天线，本质上是一个具有两个独立连接点的设备，其基底为涂有薄层石墨烯的硅。他们设计的这款天线运行在特定的宽频范围内，大约在 2.35 到 3.8 太赫兹之间。为了使该设备更具实用性，他们需要在其性能中创造一个“凹槽”或刻意的间隙。这个间隙会阻断 2.75 到 3.15 太赫兹之间的特定频率范围，从而防止可能在同一频段内运行的其他信号产生干扰。他们通过在天线表面添加圆形金属环和印刷线条实现了这一点。此外，为了确保两个端口之间不会互相干扰，他们在接地层中加入了一个特殊的图案，即缺陷地结构，它像一道屏障一样起到隔离信号的作用。

为了理解这种设计是如何工作的，团队使用强大的计算机软件来模拟电磁波的行为。这些模拟表明，带有修改后的环形槽的硅介质棒是实现宽工作范围的原因。模拟显示，天线成功创建了两个不同的工作频带：一个在 2.2 到 2.65 太赫兹之间，另一个在 3.3 到 3.7 太赫兹之间。圆形环和印刷线有效地阻挡了中间的不受欢迎的频率，而缺陷地结构则使两个端口之间的耦合极低，降至 -25 分贝以下。这种低水平的干扰对于设备作为一个可靠的多端口系统运行至关重要。石墨烯涂层增加了一层灵活性，允许通过调节其电势来调节天线的频率，就像转动旋钮来改变电台频道一样。

意识到为每一个可能的方案设计运行这些复杂的模拟会耗时过久，研究人员引入了一个机器学习框架来预测天线的性能。他们通过在模拟软件中稍微改变天线部件的尺寸，生成了一个庞大的数据集，创造了超过 125,000 个独特的数据点。随后，他们在这些数据上训练了两种不同类型的机器学习模型：一种是模仿人类大脑层的深度神经网络，另一种是使用决策树集合的随机森林。目标是观察这些模型是否能够准确预测天线的表现，特别是其反射信号的能力，而无需每次都运行完整的、耗时的模拟。

计算实验的结果令人鼓舞。两种机器学习模型都证明能够以很高的准确率预测天线的行为，成功率远高于 80%。深度神经网络比随机森林模型提供了更精确的预测，能够正确估计整个频谱范围内的性能。当研究人员将机器学习的预测结果与实际的模拟结果进行对比时，数值匹配度很高，证实了人工智能已经学习到了设计的底层物理特性。这表明，在未来，工程师可以使用这些模型在极短的时间内设计并优化天线，而不再需要像现在这样耗费大量时间，只需让计算机从先前的案例中学习即可。

通过使用不同的模拟工具进行交叉验证，最终确认了设计的有效性，这证实了天线保持了稳定的辐射模式和高效率。该设备的增益（即聚焦能量的能力）约为 3.5 到 4.5 分贝，对于此类应用而言表现强劲。研究人员还检查了多样性参数（衡量两个端口在衰落环境中协同工作的程度），发现信号保持不相关且有效。通过将使用硅和石墨烯的新型物理设计与智能机器学习预测系统相结合，该团队创建了一个高速天线的蓝图，它有朝一日可以支持下一代无线通信所需的每秒太比特级数据传输速度。