본 논문은 소형 및 광대역 역 도허티 전력 증폭기(Inverted Doherty Power Amplifier, PA)의 역합성(inverse synthesis)을 위한 딥러닝 보조 방법론을 제시합니다. 부하 변조(load modulation), 임피던스 매칭(impedance matching), 전력 결합(power combining) 및 위상 보상(phase compensation)을 단일 구조로 통합하는 픽셀화된 도허티 결합기 네트워크(pixelated Doherty combiner networks)를 생성하기 위해 합성곱 신경망(CNNs)과 유전 알고리즘(GAs)을 공동으로 사용합니다. 개념 증명(proof of concept)으로서, 우리는 픽셀화된 출력 결합기를 갖춘 GaN HEMT 도허티 PA를 설계하고 제작합니다. 프로토타입은 1.9-2.5 GHz 대역에서 51%-63%의 측정된 피크 드레인 효율(peak drain efficiency)과 48%-54%의 6-dB 백오프 효율(back-off efficiency)을 달성합니다. 동일한 주파수 범위 내에서 측정된 출력 전력은 44+/-0.3 dBm입니다. 또한, 디지털 사전 왜곡(DPD)을 적용했을 때, 프로토타입 회로는 -53.2 dBc보다 우수한 인접 채널 누설비(ACLR)를 보여줍니다.