Автоматизированная экспериментально верифицированная система проектирования антенн с универсальной схемой параметризации

Умные антенны без домыслов

От смартфонов и Wi‑Fi маршрутизаторов до медицинских имплантатов и спутников — почти каждое беспроводное устройство использует тщательно сформированные металлические элементы, называемые антеннами. Проектирование таких антенн обычно медленное, выполняется экспертами и включает недели проб и ошибок в симуляторах. В этой статье предложен подход, который автоматизирует большую часть процесса, используя многократно применимую библиотеку и хитрую схему построения антенн из простых геометрических фрагментов. Цель — получать кастомные, высокопроизводительные антенны за часы вместо недель, без участия специалиста на каждом этапе.

Почему проектирование антенн сегодня такое сложное

Современные антенны должны быть компактными, недорогими и работать в одном или нескольких заданных диапазонах частот. Инженеры обычно начинают с знакомых форм — например, металлических патчей или стержней — а затем добавляют вырезы, дополнительные элементы или экзотические материалы, чтобы получить требуемое поведение. Каждое небольшое изменение нужно проверять с помощью мощных электромагнитных симуляций, что делает поиск хорошего решения медленным и вычислительно затратным. Существуют более смелые методы, позволяющие компьютеру придумывать принципиально новые формы, но они часто требуют тысяч симуляций и специализированного ПО, что затрудняет их применение в промышленности.

Построение антенн из овалов и отверстий

Вместо того чтобы позволять каждому крошечному фрагменту металла меняться произвольно, авторы описывают антенны как платы, заполненные ограниченным числом настраиваемых строительных блоков. Сама плата — простой прямоугольник с заземляющей площадкой и точкой питания для подключения к электронике. На ней размещены несколько овальных металлических «патчей» и овальных «зазоров», у каждого из которых можно менять размер и положение. Отключая некоторые элементы (сжимая их до нуля) и переставляя остальные, система может порождать большое разнообразие необычных форм, при этом описывая каждый кандидат управляемым набором чисел. Это сохраняет богатство пространства решений, но делает задачу оптимизации разрешимой.

Большая библиотека вместо слепого поиска

Ключевая идея — выполнить тяжёлую работу один раз. Сначала команда случайным образом генерирует большое число различных макетов антенн в рамках схемы овалов и зазоров и симулирует каждый из них с чуть упрощённой электромагнитной моделью. Полученная «библиотека» хранит как геометрические параметры, так и поведение каждой антенны в зависимости от частоты. Когда появляется новая задача — например, антенна для двух разнесённых полос или максимально миниатюрная антенна — система не начинает оптимизацию с нуля. Вместо этого она быстро просматривает базу данных в поисках записей, чья характеристика уже близка к новой спецификации, и выбирает одну в качестве разумной отправной точки. Такой поиск значительно быстрее по сравнению с традиционными методами глобального поиска.

Тонкая настройка быстрыми локальными корректировками

После нахождения перспективной начальной формы на втором этапе выполняется локальная тонкая настройка с помощью более точной симуляции. Здесь градиентный алгоритм аккуратно изменяет размеры и положения овалов и зазоров, чтобы уменьшить отражения сигнала в требуемых частотных диапазонах и удовлетворить дополнительные требования, например, соблюдение заданного контура. Авторы спроектировали двенадцать разных антенн с помощью этого двухэтапного подхода, включая широкополосные, ультраширокополосные, двухдиапазонные и трёхдиапазонные примеры, а также специально уменьшенные по размеру антенны. Каждому финальному дизайну в среднем требуется менее двухсот детализированных симуляций — значительно меньше, чем у конкурирующих автоматизированных подходов — при этом достигаются строгие требования к работе.

Проверка разработок на практике

Поскольку получившиеся формы выглядят не как классические учебные примеры антенн, исследователи подчёркивают важность экспериментальной проверки. Они изготавливают несколько вычислительно сгенерированных конструкций на стандартных печатных платах и измеряют их поведение в лаборатории с помощью прецизионного анализатора цепей и бесэховой камеры. Измеренные отклики и диаграммы направленности хорошо согласуются с моделями, что подтверждает: процесс, основанный на базе данных, работает быстро и даёт практичные, собираемые устройства. Этот экспериментальный этап встроен в общую систему, формируя замкнутый цикл от спецификаций до прототипа и обратно.

Что это значит для будущих беспроводных устройств

Для неспециалистов главное — теперь проектирование антенн ближе к заказу детали, чем к мини‑исследованию. Пользователь задаёт частотные диапазоны, ограничения по размеру и базовый материал, а система ищет в библиотеке и доводит лучший кандидат до рабочего решения с минимальными вычислениями и без тонкой настройки экспертом. По мере роста базы данных и добавления новых параметров, например разных материалов плат, тот же подход сможет поддерживать широкий спектр устройств следующего поколения — от крошечных датчиков до сложных многодиапазонных систем — делая продвинутые антенные технологии более доступными в промышленности и науке.

Цитирование: Koziel, S., Pietrenko-Dabrowska, A. & Szczepanski, S. Automated experimentally validated antenna design framework using versatile parameterization scheme. Sci Rep 16, 14015 (2026). https://doi.org/10.1038/s41598-026-43974-y

Ключевые слова: автоматизированное проектирование антенн, широкополосные антенны, беспроводные устройства, оптимизация проектирования, электромагнитное моделирование