Artificial Neural Network Model-Baed Optimization on the Mapping Between Equivalent Circuit Model and Physical Field Model

Le système de communication sans fil actuel et futur se compose de composants passifs tels qu'un filtre, un filtre accordable, un diviseur, un coupleur directionnel, etc. en tant que blocs de construction fondamentaux. Ces composants passifs ont été développés pour de nombreuses applications en ondes millimétriques (mmW) et térahertz (THz) afin de répondre aux exigences des technologies en constante évolution. De telles applications haute fréquence rendent ces circuits passifs ultra-sensibles aux paramètres géométriques. Les équations de conception empiriques existantes fournissent un point de référence pour la conception du circuit en fonction des performances souhaitées. Cependant, des simulations électromagnétiques (EM) pleine onde sont nécessaires pour la vérification de la conception du circuit. Le plus souvent, nous devons mettre en oeuvre des méthodes d'optimisation afin de trouver le modèle EM optimal de la structure cible. Le processus de va-et-vient intimidant de la procédure de modélisation et d'optimisation EM est une pratique courante de nos jours. En conséquence, il est grand temps de développer des modèles et des techniques numériques avancés pour réduire le temps de développement et les dépenses de calcul des modèles EM réussis, qui font l'objet de nombreuses recherches ces dernières années. Le réseau de neurones artificiels (ANN) est largement utilisé dans la littérature pour minimiser le temps de conception global du circuit en remplaçant le modèle EM. De plus, différents types de modèles d'optimisation sont utilisés pour optimiser le modèle EM cible. De plus, la technique de cartographie spatiale utilise le modèle de circuit équivalent comme modèle grossier pour optimiser efficacement le modèle EM. Motivés par tous ces travaux, nous avons proposé et développé la cartographie entre le modèle de circuit équivalent et le modèle de champ physique en introduisant le modèle ANN. Une technique d'optimisation hybride est utilisée pour les optimisations nécessaires. L'objectif de cette recherche est de développer un modèle de circuit équivalent du modèle de champ d'une structure cible et de créer une technique de cartographie précise entre ces deux.

Abstract

Current and future wireless systems consist of numerous passive components such as filter, tunable filter, divider, directional coupler etc. as fundamental building blocks. These passive components have been developed for many millimeter-wave (mmW) and terahertz (THz) applications to meet the requirements of continuously evolving technologies. Such high-frequency applications make these passive circuits ultra-sensitive to their geometric and material parameters. The existing empirical design equations provide a reference point for the circuit design according to the desired performance. However, full-wave electromagnetic (EM) simulations are generally required for the verification of such a circuit design. More often, we need to implement optimization methods to find the optimum EM model of the target structure. The intimidating back and forth process of EM modeling and optimization procedure is a matter of common practice these days. As a result, it is a high time to develop advanced numerical models and techniques to reduce the developing time and computational expense of successful EM models, which are being widely studied in the recent years. Artificial neural network (ANN) is widely used in the literature to minimize the overall circuit design time by replacing the EM model. In addition, different types of optimization models are used to optimize the target EM model. Furthermore, the space-mapping technique utilizes an equivalent circuit model as a coarse model to optimize the EM model efficiently. Motivated by all these works, we have proposed and developed the mapping between equivalent circuit model and physical field model by introducing an ANN model. A hybrid optimization technique is used for required optimizations. The objective of this research is to develop an equivalent circuit model of a target structure’s field model and to create an accurate mapping technique between these two models. A fundamental transmission line impedance equation-based neural architecture is developed for a better implementation of ANN models in the case of specific microwave engineering problems. The feedforward network and back propagation algorithms are mathematically derived and explained. The proposed ANN model is validated by designing a D-band cruciform coupler. In addition, an ANN model development technique is outlined for finding appropriate equivalent circuit parameters against desired coupler performance.