本論文では、インクジェット印刷コプレーナ伝送線路(CPW)の微波特性を自動的に抽出するための機械学習ベースのアーキテクチャを提案している。
まず、CPWの伝搬定数とインク導電率、誘電特性の相互依存性を利用して機械学習モデルを訓練する。次に、これらの機械学習モデルと測定された伝搬定数を使用して、試作品のインク導電率と誘電特性を抽出する。
提案アーキテクチャは、39種類の回帰モデルを評価し、各パラメータの最適なアルゴリズムを自動的に選択する。XGBoostとLightGBMが最も優れた性能を示すことが分かった。
提案手法を用いて、インクジェット印刷CPWの誘電率、損失接線、インク導電率を正確に抽出できることを示した。提案手法は完全に自動化されており、人的専門知識を必要としない。また、単一の測定セットから材料特性を同時に抽出できるため、アディティブ製造プロセスの監視に役立つ可能性がある。
На другой язык
из исходного контента
arxiv.org
Дополнительные вопросы