深層強化学習を用いた有極型マイクロストリップBPFの自動設計手法に関する検討

カテゴリ：研究会(論文単位)

論文No：EMT25077

グループ名：【A】基礎・材料・共通部門 電磁界理論研究会

発行日：2025/12/13

タイトル(英語)：A Deep Reinforcement Learning Approach for Automatic Design of Microstrip BPF with Transmission Zeros

著者名：川崎 稜汰(同志社大学),大平 昌敬(同志社大学),出口 博之(同志社大学)

著者名(英語)： Ryota Kawasaki(Doshisha University),Masataka Ohira(Doshisha University),Hiroyuki Deguchi(Doshisha University)

キーワード：強化学習,バンドパスフィルタ,自動設計,深層学習,機械学習,deep-reinforcement learning,bandpass filter,automatic design,deep learning,machine learning

要約(日本語)：筆者らは，平面BPFの新しい自動設計法として，深層強化学習で構築したエージェントによる自動設計手法を検討している．これまでその手法による設計対象が伝送零点を持たない無極BPFに限られていた．そこで本稿では，無極BPFよりも設計難易度が高い，伝送零点を有する有極形BPFの設計にこの手法を適用し，設計例を通じて提案手法の汎用性を検証する．

要約(英語)：This paper explores a deep-reinforcement learning based automatic design method for planar BPFs. While previous studies focused on BPFs without transmission zeros, this work extends the method to more complex filters with transmission zeros, demonstrating its versatility through a design example of a fourth-order BPF with transmission zeros.

本誌：2025年12月16日-2025年12月17日電磁界理論研究会-1

本誌掲載ページ：1-6p

原稿種別：日本語

PDFファイルサイズ：1,311Kバイト