অর্ডার-অনুযায়ী অ্যান্টেনা: কীভাবে AI মিলিমিটার রেঞ্জের জন্য পিক্সেল টপোলজি নির্বাচন করে
মিলিমিটার রেঞ্জের অ্যান্টেনা ডিজাইন করা একটি জটিল কাজ। দিকনির্দেশনা প্যাটার্ন, ইম্পিডেন্স ম্যাচিং এবং ব্যান্ডউইথের প্রয়োজনীয়তাগুলি প্রায়শই একে অপরের সাথে সাংঘর্ষিক হয় এবং তরঙ্গদৈর্ঘ্য এত ছোট যে জ্যামিতির যেকোনো ভুল চিত্র পরিবর্তন করে দেয়। ক্লাসিক্যাল পদ্ধতি — রেডিয়েটরের আকার এবং আকৃতি ম্যানুয়ালি সামঞ্জস্য করা — সপ্তাহ সময় নেয়, বিশেষ করে যখন একটি অ-মানক প্রতিক্রিয়া প্রয়োজন হয়।
এই সমস্যা মোকাবেলার একটি উপায় হল привычных «মসৃণ» আকার পরিত্যাগ করা এবং অ্যান্টেনাকে একটি পিক্সেল মাস্ক হিসেবে কল্পনা করা: ছোট ছোট কোষের একটি সেট, যার প্রতিটি হয় ধাতব বা খালি। ফলাফল হল বিকল্পগুলির একটি বিশাল স্থান — লক্ষ লক্ষ সংমিশ্রণ। এগুলো ম্যানুয়ালি পরীক্ষা করা অসম্ভব। কিন্তু এটি ঠিক সেই ধরনের কাজ যা আধুনিক মেশিন ইন্টেলিজেন্স ভালোভাবে করতে পারে।
মিলিমিটার তরঙ্গের জন্য পিক্সেল প্যাচ-অ্যান্টেনা কী
২০২৬ সালের আগস্টে arXiv-এ প্রকাশিত একটি নিবন্ধে, গবেষকদের একটি দল এমন একটি সিস্টেম বর্ণনা করেছে যা প্রয়োজনীয় স্পেসিফিকেশন অনুযায়ী স্বয়ংক্রিয়ভাবে অ্যান্টেনা প্যাটার্ন আঁকে। речь идет о компактной патч-антенне, рассчитанной на частоты от 22 до 30 ГГц — то есть на миллиметровый диапазон со всеми его сложностями.
কাঠামোটি একটি আয়তক্ষেত্রাকার এলাকা যা 19×23 পিক্সেলের গ্রিডে বিভক্ত। প্রতিটি কোষ পরিবাহী বা শূন্য হতে পারে। অ্যান্টেনা নিয়ন্ত্রণযোগ্য হওয়ার জন্য, ফিডিং ফিডার থেকে রেডিয়েটিং অঞ্চল পর্যন্ত একটি অবিচ্ছিন্ন ধাতব পথ থাকতে হবে — অন্যথায় কারেন্ট কেবল প্রয়োজনীয় অংশে পৌঁছাবে না।
পিক্সেল পদ্ধতি নিজেই দীর্ঘদিন ধরে পরিচিত: যদি যথেষ্ট সংমিশ্রণ পরীক্ষা করা হয়, তবে প্রায় নিশ্চিতভাবেই প্রয়োজনীয় বৈশিষ্ট্যসহ একটি প্যাটার্ন পাওয়া যাবে। সমস্যা হল, ইলেক্ট্রোম্যাগনেটিক সিমুলেটরে প্রতিটি পরীক্ষা একটি পূর্ণাঙ্গ ত্রিমাত্রিক গণনা যা অনেক সময় নেয়। লক্ষ লক্ষ বিকল্প এখানে বিলাসিতা।
প্রথম সিমুলেশনগুলি ভারসাম্যহীনতার সমস্যা দেখিয়েছে
প্রশিক্ষণ ডেটা পেতে, লেখকরা বিশেষভাবে তৈরি র্যান্ডম পিক্সেল মাস্কের জন্য CST প্যাকেজে প্রায় ছয় হাজার ফুল-ওয়েভ সিমুলেশন চালিয়েছেন। দেখা গেছে যে এই মাস্কগুলির মাত্র প্রায় 40% রেজোন্যান্স ধারণ করে, অর্থাৎ অন্তত একটি ফ্রিকোয়েন্সিতে তাদের S11 প্রতিফলন সহগ −10 dB-এর বেশি নয়। অন্য কথায়, দশটি র্যান্ডম কনস্ট্রাকশনের মধ্যে ছয়টি অকেজো — এই ধরনের সেটে প্রশিক্ষিত AI «অকেজোতা»কে আদর্শ হিসেবে মনে রাখার ঝুঁকি নিয়েছিল।
অসামঞ্জস্যপূর্ণ ডেটার সমস্যার ক্লাসিক্যাল সমাধান — কেবল আরও সফল উদাহরণ সংগ্রহ করা। কিন্তু সেগুলি কোথা থেকে পাওয়া যাবে, যদি প্রতিটি সিমুলেশন ব্যয়বহুল হয় এবং র্যান্ডম জেনারেশন প্রায়শই ভালো বিকল্প না দেয়? ব্যয়বহুল গণনা চালানোর আগে ভালোকে মন্দ থেকে আলাদা করার একটি উপায় প্রয়োজন।
প্রথম AI — প্রতিশ্রুতিশীল প্যাটার্ন নির্বাচনের জন্য ফিল্টার
গবেষকরা মার্জিতভাবে কাজ করেছেন: তারা গ্রেডিয়েন্ট বুস্টিংয়ের উপর ভিত্তি করে একটি পৃথক বাইনারি ক্লাসিফায়ার প্রশিক্ষণ দিয়েছেন, যা পিক্সেল প্যাটার্নের চেহারা দেখে ভবিষ্যদ্বাণী করবে যে অ্যান্টেনাটি রেজোন্যান্ট হবে কিনা। এই মডেলটি তাৎক্ষণিকভাবে কাজ করে এবং সিমুলেশনের প্রয়োজন হয় না। এটি «দারোয়ান» হিসেবে ব্যবহৃত হয়েছিল: নতুন র্যান্ডম মাস্ক প্রথমে ফিল্টারের মধ্য দিয়ে যেত এবং শুধুমাত্র ক্লাসিফায়ার যেগুলিকে প্রতিশ্রুতিশীল মনে করত সেগুলি সম্পূর্ণ গণনার জন্য CST-তে পাঠানো হত।
এই পদ্ধতিটি মূল ডেটাতে আরও প্রায় চার হাজার সিমুলেশন যোগ করার অনুমতি দিয়েছে, তবে уже с «просеянным» входным материалом. В итоге объединённый набор из десяти тысяч образцов стал заметно качественнее: доля резонансных конструкций выросла с исходных 40% до примерно 52%. Это важное достижение: ведь следующие модели ИИ учатся именно на этой базе, и чем сбалансированнее выборка, тем адекватнее они предсказывают поведение антенн.
Суррогатная модель вместо электромагнитного решателя
Далее авторы обучили гибридную нейросеть, объединяющую свёрточные слои и двунаправленную LSTM-архитектуру. Такая комбинация хорошо подходит для данных, у которых есть и пространственная структура (картинка пикселей), и зависимость от частоты.
Сеть должна выдавать сразу весь комплексный отклик S11 — то есть амплитуду и фазу — в 801 частотной точке. Это полноценная «суррогатная модель»: она заменяет медленный электромагнитный симулятор при поиске оптимального узора.
Особый акцент в обучении сделан на физически важной детали — глубине резонансного провала. Для антенны критично не просто «есть резонанс», а насколько хорошо согласование на конкретной частоте. Поэтому в функцию потерь исследователи добавили компоненту, которая жёстко штрафует модель за неточное предсказание минимума S11.
Обратный дизайн: рисуем антенну по specification
После того как быстрая суррогатная модель освоена, наступает самый интересный этап — инверсный дизайн. Вместо того чтобы генерировать тысячи вариантов и «прогонять» их через сеть, исследователи используют градиентный спуск. Только оптимизируется не сам узор — а его скрытое представление в компактном латентном пространстве размерностью 64.
Этот приём, знакомый по генеративным моделям, позволяет менять маску плавными шагами и каждый раз спрашивать сеть: «А соответствует ли такой узор нужному отклику S11?». Градиенты подсказывают, в какую сторону подкрутить параметры, чтобы резонансная частота, глубина провала и форма кривой совпали с желаемыми. Затем готовый латентный вектор декодируется обратно в конкретный пиксельный рисунок.
Проверка в CST показала: предсказания суррогатной модели и реальные электромагнитные расчёты для сгенерированных антенн хорошо согласуются. Разница между ними невелика, а значит, предложенный конвейер действительно пригоден для автоматического проектирования.
Что это значит на практике
Работа демонстрирует замкнутый цикл: небольшой набор симуляций → классификатор для отбора полезных данных → быстрая суррогатная модель → оптимизация в скрытом пространстве → готовый рисунок антенны. Такой подход не просто ускоряет поиск, но и открывает дорогу к «реконфигурации» — когда одна система может быстро предложить новый узор под обновлённые требования, скажем, для другой рабочей частоты или полосы.
Пока что это лабораторный эксперимент на конкретном классе антенн. Но сама идея «пропустить через ИИ не результат, а процесс поиска топологии» выглядит многообещающе для самых разных областей СВЧ-проектирования — от радаров до систем связи 6G. Чем сложнее электродинамика, тем ценнее инструменты, которые ищут нетривиальные геометрии без ручного перебора.
