CNNアプローチに基づく超広帯域エンドファイア溝付きハーフモード導波管（G-HMWG）アンテナの逆設計

ワイヤレス時代のスマートアンテナ

私たちのスマートフォン、車、家庭機器はすべて、信号の送受信を担う小さな金属構造、すなわちアンテナに依存しています。より高速なデータ通信、精度の高いレーダー、賢いセンシングが求められるにつれて、アンテナは小型で高効率を維持しながら、より広い周波数帯で動作する必要があります。本論文は、従来のアンテナ工学と現代の人工知能を組み合わせることで、6〜10 GHz帯に適したコンパクトで高性能なアンテナを設計できることを示しています。

なぜエンドファイアアンテナが重要か

短距離用の車載レーダーやモーションセンサー、ポイントツーポイントの無線リンクなど、多くの先進システムは全方向に放射するのではなく、主に一方向に強くエネルギーを集中させるアンテナを必要とします。これらは一端から主に放射するため「エンドファイア」と呼ばれ、懐中電灯の光のように指向性の強いビームを作ります。伝統的な設計（古典的な八木（Yagi）アンテナや現代の変種を含む）では、高利得（強いビーム）、広帯域、コンパクトさという三つの重要な特性の間でトレードオフが生じがちです。一つを改善すれば他が犠牲になることが多く、従来の設計は狭い周波数帯にしか対応できなかったり、長い金属構造を必要としたり、利得が控えめだったりしました。

新しいタイプのコンパクトアンテナ

著者らが注目するのは「溝付きハーフモード導波管」と呼ばれる特別な構造です。簡単に言えば、これは長手方向に沿って電波を導く金属のチャンネルで、一方の側面に刻まれた溝が設けられています。これらの溝は波を減速させつつ制御された漏洩を生じさせ、エネルギーがアンテナに沿って徐々に放出され、端部で強いビームとなって合成されます。基本的な「ユニットセル」を繰り返して多セル構造を組み立て、各溝の深さや溝間隔といった数個の幾何学的パラメータを調整することでチューニングします。これらの詳細を正確に決めることがビーム形成と周波数全体での安定性にとって非常に重要ですが、手作業や全探索的なシミュレーションで可能な組合せをすべて調べるのは非常に時間がかかります。

形状設計に人工知能が果たす役割

研究者らは、何千もの設計案を逐一評価する代わりに、パターン認識に広く使われる一種の深層学習モデルである一次元畳み込みニューラルネットワーク（1D CNN）を訓練します。このネットワークへの入力は単純な要約値ではなく、角度と周波数にわたる完全な放射パターンです。ネットワークはこれらのパターンから、それによって得られるビームを生成するために最適な溝の深さや間隔を予測することを学習します。「逆設計」ツールを構築するために、まず約400件の高精度電磁界シミュレーションを実行し、主要な二つの寸法だけを変化させます。これらのシミュレーションが学習データセットとなり、形状の変化がビームに与える影響をネットワークに教え、その後モデルは重い計算なしに最適寸法を瞬時に提案できるようになります。

仮想設計から実世界のハードウェアへ

AIが予測した形状を用いて、チームは6〜10 GHzで動作する実際のアンテナを設計・製作しました。この周波数帯はXバンドレーダーや超広帯域リンクでよく使われます。得られたデバイスは、同等の従来設計に比べて約3分の1短く非常にコンパクトでありながら、エンドファイア方向に向けて強力で高い指向性のビームを維持しています。測定では、給電線から効率よく電力を受け入れ、ピーク利得は約11 dBi以上を維持し、望ましくないサイドローブ（他方向への余分なビーム）も十分に抑えられていることが示されました。さらに重要な点として、主ビームの形状が動作帯域全体で安定しており、周波数とともにビーム方向がずれることが多い多くのエンドファイアアンテナの弱点に対処しています。

将来の機器にとっての意義

専門外の方への要点は、人工知能が複雑な電磁デバイスの強力な設計支援ツールになり得ることです。比較的小規模ながら適切に選ばれたシミュレーション群から学ぶことで、ニューラルネットワークは所望の放射パターンを実現するために必要なアンテナ形状を逆算できます。このアプローチは従来の試行錯誤的最適化に比べて設計時間を約90〜95%短縮しつつ、より小型で高性能なアンテナを提供します。無線、レーダー、センシングシステムの要求が高まる中で、このようなAI駆動の設計手法は、スマートカーから次世代の通信リンクに至るまで、カスタムアンテナの迅速な開発を支援する可能性があります。

引用: Rezaei, M., Nooramin, A.S. Inverse design of an ultra-wideband endfire grooved half-mode waveguide (G-HMWG) antenna based on the CNN approach. Sci Rep 16, 11660 (2026). https://doi.org/10.1038/s41598-026-41442-1

キーワード: エンドファイアアンテナ, 超広帯域レーダー, 導波管技術, AIによるアンテナ設計, 畳み込みニューラルネットワーク