基于石墨烯的超表面天线优化设计：集成学习模型在太赫兹频段的应用

为解决太赫兹(THz)通信中高数据速率与微型化器件的矛盾，研究人员提出两种石墨烯超表面贴片天线(GPA)新构型。通过HFSS仿真与集成学习（HBDT/RFT算法）优化参数，实现带宽8.6+ THz、辐射效率最高97.54%的突破性性能，为6G通信器件开发提供新范式。

　　

在数据速率突破数百GB/s的6G时代，传统天线设计面临根本性挑战。这项研究创新性地将石墨烯(graphene)超表面(metasurface)与集成学习(ensemble learning)相结合，开发出两种具有黄金/石墨烯开槽贴片的太赫兹天线。

研究团队采用高频电磁仿真软件HFSS构建原型，通过机器学习中的直方图梯度提升回归树(HGBDT)和随机森林树(RFT)算法，对基板长度、贴片尺寸等参数进行智能优化。实验数据显示：两种设计分别获得8.63 THz和8.69 THz的超宽带宽，辐射效率高达89.04%和97.54%，平均效率达93.29%，显著优于现有技术方案。

该成果的创新点在于：

1. 1.

   首次将集成学习应用于太赫兹天线参数优化

2. 2.

   验证石墨烯超表面在提升回波损耗(return loss)和指向性(peak directivity)方面的独特优势

3. 3.

   建立机器学习辅助太赫兹器件开发的通用框架

这些突破为未来医疗成像、高速通信等领域的太赫兹系统集成提供了关键器件支持，特别是对需要微型化、高效率的植入式医疗传感器具有重要参考价值。