Teknoloji
Yapay Zekâ 6G Anten Tasarımını Hızlandırabilir mi?
Çapraz biçimli asimetrik yarıklara sahip yama anten, Rogers RT5880 dielektrik altlık üzerinde modellendi. Genetik algoritma, parçacık sürü optimizasyonu ve diferansiyel evrim yöntemleri karşılaştırıldı. Birden fazla makine öğrenmesi modeli; tahmin doğruluğu, yakınsama süresi, ortalama mutlak hata ve belirleme katsayısına göre değerlendirildi. En iyi model daha sonra vekil tabanlı çok amaçlı optimizasyonda kullanıldı.
Kazanç ve yönlülüğü artırmak için tek elemanın yanında 1×4 doğrusal, ters ve 2×2 düzlemsel MIMO dizileri incelendi. Anten 134, 230 ve 450 GHz frekanslarında çalıştı; bu bantlarda sırasıyla 5,98, 14,64 ve 82 GHz bant genişliği sağladı. Tek eleman 6,78 dBi kazanç üretirken doğrusal dizide tepe kazancı 13,9 dBi’ye çıktı.
Radyasyon verimliliği yüzde 80’e ulaştı ve kusurlu toprak yapısı kullanılmadan çalışma frekanslarında -30 dB’nin altında yüksek yalıtım bildirildi. Eksen oranının 3 dB’nin altında olması dairesel polarizasyonu doğruladı. Değerlendirilen makine öğrenmesi seçenekleri içinde Random Forest yüzde 98,18 R² değeriyle en iyi tahmin performansını gösterdi.
Çalışma, hesaplama süresini ve kaynak ihtiyacını azaltan bir tasarım çerçevesi sunuyor; ancak sonuçlar doğrudan ticari bir 6G cihazının saha performansını kanıtlamıyor. Üretim toleransları, paketleme, insan vücudu ve çevre etkileşimleri ile gerçek donanım doğrulaması ayrıca incelenmeli. Araştırma dış finansman almadı; deneysel ve laboratuvar çalışmaları Bahir Dar University altyapısıyla yürütüldü.







