전기-광학 전기장 측정을 이용한 딥러닝 기반 픽셀화된 마이크로파 필터 설계 및 특성 분석

전통적인 마이크로파 필터 설계는 일반적으로 반복적인 파라미터 튜닝(parameter tuning)과 사전 정의된 토폴로지(topologies)에 의존하며, 이는 설계 공간을 제한하고 개발 시간을 증가시킵니다. 본 연구는 픽셀화된 마이크로파 필터 합성을 자동화하기 위해 합성곱 신경망 (CNN)과 유전 알고리즘 (genetic algorithms)을 결합한 딥러닝 접근 방식을 사용합니다. 이 접근 방식을 실험적으로 검증하기 위해 S-파라미터 (S-parameter)와 공간 전기장 측정이 모두 분석되었습니다. 합성된 저역 통과 필터 (low-pass filter)는 시뮬레이션과 측정된 성능 사이에서 탁월한 일치성을 보여주었으며, 9.5 GHz 너머에서 20 dB 이상의 억제력을 갖는 7 GHz 통과 대역 (passband)을 달성했습니다. 전기-광학 (Electro-optical) 측정은 최초로 결합된 전송선 (coupled transmission-lines) 또는 스터브 (stub) 구조와 유사한 전기장 패턴을 밝혀냈으며, 이는 AI가 생성한 설계의 창발적 특성에 대한 통찰을 제공합니다.