用于平面基板集成波导微波滤波器的生成式人工智能：基于耦合控制拓扑生成的自主电路合成

《IEEE Transactions on Microwave Theory and Techniques》：Generative AI for Planar Substrate Integrated Waveguide Microwave Filters: Autonomous Circuit Synthesis With Coupling-Controlled Topology Generation

针对微波组件设计复杂度高、传统仿真效率低的问题，提出基于深度强化学习的智能设计框架。利用多头注意力增强的CNN构建参数预测模型，通过DRL agent自主探索几何与交叉耦合参数空间，成功实现SIW滤波器的高效优化，验证了方法在性能预测与结构优化中的有效性。

　　

摘要：

随着微波器件设计的日益复杂，传统的全波电磁（EM）仿真和手动参数调整变得耗时且计算成本高昂。本文提出了一种用于被动微波组件自动逆向设计的智能框架，以基板集成波导（SIW）滤波器作为验证平台。我们的方法建立了一个通用的参数模型，将结构特征分类为基本的几何参数和复杂的交叉耦合参数。这个结构化的设计空间由深度强化学习（DRL）代理进行探索，该代理由一个基于多头注意力增强卷积神经网络（CNN）的快速准确的参数预测模型指导。多头注意力增强的CNN在性能预测和泛化能力方面表现出色，而DRL代理则能够自适应地生成最优的结构参数。实验结果表明，我们的框架能够实现高精度的性能预测，并为先进微波系统的自动化合成和优化提供了新的、高效的方法。