6G 和高容量物联网需要更高的数据速率、更低的通信时延和更密集的设备连接。THz 频段能够提供巨大的可用带宽因此被认为是未来短距离超高速通信和高分辨率感知的重要候选频段。但频率越高天线设计越困难。THz 信号传播损耗大、有效传输距离短微小的几何尺寸变化就可能改变谐振频率和阻抗匹配。在 MIMO 系统中多个天线单元还必须同时满足高增益、高效率、宽带宽和低互耦等要求。这意味着 THz MIMO 天线设计不是单独追求某一个指标而是在多个相互制约的性能之间寻找平衡。图THz MIMO天线在6G与物联网通信中的应用示意图涵盖车联网、基础设施、个人设备、智能家居与卫星链路。一、THz MIMO天线到底要解决什么矛盾MIMO 天线通过多个空间通道提升通信可靠性和频谱效率。理想情况下不同天线单元应当尽可能独立工作但在实际结构中两个单元距离很近电磁场会发生耦合。flowchart LR A[端口 1] -- C[空间复用与多路径传输] B[端口 2] -- C D[单元间互耦] -. 降低隔离度 .- C C -- E[影响增益、效率和信道容量]设计中通常需要同时关注带宽能够覆盖多大的频率范围增益辐射能量能否集中到目标方向效率输入功率有多少真正转化为辐射功率隔离度一个端口工作时另一个端口受到的泄漏有多小ECC多个辐射通道之间的相关性有多强TARC 和 CCL多端口同时激励时反射损耗和容量损失是否可接受。单纯扩大单元间距可以降低互耦但会增加器件尺寸单纯缩小尺寸又可能降低隔离度和辐射效率。因此真正有效的设计必须同时处理几何结构、表面电流和端口耦合。二、为什么采用1 × 2微带贴片结构微带贴片天线具有低剖面、质量轻、易于与集成电路结合等优点。这里采用两个贴片单元组成 1 × 2 MIMO 结构并将整体尺寸控制在约 130.7 μm × 288 μm。天线以石英作为介质基底以银作为导体。石英的相对介电常数约为 3.75具有较低损耗和较好的热机械稳定性银具有较高电导率有助于降低 THz 频段下的欧姆损耗。单个贴片并不是一个简单矩形而是引入了多种槽结构flowchart TD A[贴片几何结构] -- B[六边形槽\n调节多谐振行为] A -- C[圆形槽\n调节谐振与电流分布] A -- D[三角形槽\n控制高阶模式] A -- E[桥接与阶梯结构\n改善电流连续性和阻抗匹配]这些槽结构的作用不是简单增加图案复杂度而是改变表面电流路径和局部电场分布使天线能够在多个频率附近产生稳定谐振同时维持较好的阻抗匹配和辐射性能。三、为什么可以实现双频宽带工作天线的基本尺寸首先由波长和有效介电常数决定其中是光速是目标频率是基底相对介电常数是基底厚度是贴片宽度。在此基础上六边形、圆形和三角形槽会引入不同的等效电流路径。不同路径对应不同的电磁谐振因此可以共同拓展工作频带并形成双频响应。最终结构覆盖两个主要频段8.20-9.63 THz带宽约 1.43 THz9.95-10.86 THz带宽约 0.907 THz。第一频带的最低反射系数约为 -45.85 dB第二频带的最低反射系数约为 -33.35 dB说明两个频带均具有较好的输入阻抗匹配。四、隔离墙如何降低两个天线单元之间的互耦MIMO 结构中一个单元的表面电流可能沿基底和贴片边缘传播到另一个单元造成端口间能量泄漏。为此在两个辐射单元之间加入隔离墙并对单元方向、间距、墙体长度、宽度和厚度进行优化。flowchart LR A[端口 1 辐射单元] -- B[隔离墙\n阻断和重定向耦合电流] B -- C[端口 2 辐射单元] A -. 表面波泄漏 .- C C -. 表面波泄漏 .- A隔离墙的本质作用是改变两个端口之间的电磁传播路径减少表面波和近场耦合。仿真中无隔离墙时隔离度约为 -34.76 dB加入隔离结构后隔离度提升到约 -42.03 dB改善超过 6 dB。文中不同结果位置报告的最佳隔离度约为 -42.03 至 -44.64 dB具体数值取决于对应的频点和评价方式。总体上隔离结构显著降低了端口之间的耦合。五、增益和效率说明了什么增益决定辐射能量在目标方向上的集中程度效率则反映输入功率转化为辐射功率的能力。该设计在两个工作频带内都保持较好的辐射性能低频带内增益约为 13.13 dB高频带附近峰值增益达到 14.07 dB最高辐射效率约为 87.7%低频带平均效率超过 84%。THz 通信通常受到传播损耗和能量预算限制因此高增益可以帮助补偿自由空间传播损耗高效率则可以减少输入功率浪费。二者结合才能支持高容量、低功耗的短距离 THz 链路。六、低ECC为什么重要ECC即包络相关系数用来衡量不同 MIMO 天线单元辐射通道之间的相关程度。ECC 越低说明两个端口越独立空间分集和空间复用效果越好。该结构的 ECC 达到约对应的分集增益接近理论上限 10 dB。其物理原因与较高隔离度直接相关隔离墙和优化后的单元布局降低了端口间的表面波传播和耦合电流使两个辐射单元能够形成更加独立的空间通道。flowchart TD A[低互耦] -- B[高隔离度] B -- C[低 ECC] C -- D[高分集增益] D -- E[更可靠的 MIMO 传输]此外TARC 保持在约 -8 dB 以下说明多端口同时激励时反射功率较低CCL 约低于 0.35-0.4 bits/s/Hz说明天线对信道容量的损失较小。七、机器学习究竟优化了哪一步传统设计需要不断改变贴片长度、宽度、馈线尺寸、槽结构和基底参数然后反复运行全波电磁仿真。对于 THz 结构而言单次仿真可能需要几十分钟到接近两小时复杂参数组合会迅速形成巨大的设计空间。机器学习的作用是学习“几何参数 → 天线性能”之间的非线性关系flowchart LR A[贴片、基底、馈线和槽参数] -- B[CST 全波仿真] B -- C[增益、带宽、效率、反射系数] C -- D[形成训练数据] D -- E[回归模型学习参数-性能关系] E -- F[快速预测新结构]研究中生成了 117 组设计样本其中约 93 组用于训练24 组用于测试。比较了 Ridge Regression、Decision Tree、Random Forest、Gradient Boosting、XGBoost 和 Extra Trees 等回归模型。最终Extra Trees Regression 的表现最好模型MAERMSER²EVSExtra Trees1.31%1.76%98.13%98.27%Random Forest1.80%2.23%97.01%97.06%Decision Tree3.00%4.55%87.52%87.59%XGBoost3.67%6.54%74.19%79.50%Gradient Boosting4.92%8.03%77.62%78.75%需要注意机器学习并没有替代电磁仿真生成物理真值而是使用仿真数据训练快速代理模型。其优势主要体现在后续参数搜索和性能预测阶段。八、预测速度为什么有工程价值文中给出的计算时间对比显示单元天线低网格设置的 CST 仿真约需 20 min 40 s中等网格设置约需 1 h 10 min 45 s高复杂度 MIMO 仿真约需 1 h 56 min 30 s五个回归模型训练约需 0.978 s单次预测约需 0.098 s。这意味着完成一次训练后模型可以在接近实时的速度下预测新设计的增益等指标。对于多目标优化而言可以先由机器学习快速筛选候选结构再使用高精度全波仿真对少数候选方案进行复核从而降低整体设计成本。九、等效RLC电路为什么能帮助验证天线全波电磁仿真能够给出精确响应但不一定容易直接解释每个槽结构如何参与谐振。等效 RLC 电路提供了一个更简化的物理视角金属贴片和电流路径可等效为电感槽结构引入的电容性不连续可等效为电容辐射损耗、欧姆损耗和基底损耗可等效为电阻端口之间的互耦可通过耦合元件表示隔离结构可通过附加电容等效描述其对耦合路径的影响。flowchart LR A[复杂贴片与槽结构] -- B[等效 RLC 元件] B -- C[谐振频率与阻抗响应] C -- D[与全波 CST 结果对比] D -- E[验证谐振机理]ADS 中的 RLC 模型能够较好复现 CST 的两个主要谐振频带。二者之间存在少量偏差主要来自高阶寄生效应和基底损耗等难以完全由集总元件表示的因素。十、从仿真结果到真实器件还差什么该设计的尺寸处于微米尺度理论上可以通过光刻或电子束曝光制造。但在 8 THz 以上的频率范围内制造误差会被显著放大主要风险包括银膜表面粗糙度增加欧姆损耗贴片和馈线对准误差造成谐振频率偏移槽尺寸误差改变局部电流路径石英基底的脆性增加加工难度导体电导率、介电常数和损耗角正切的频率色散影响实际响应。仿真中的 ±5% 尺寸扰动和材料参数敏感性分析显示整体带宽、增益和隔离度仍保持相对稳定。但这仍然属于数值鲁棒性分析不能替代真实器件的制备、测试和封装验证。十一、核心启示这项工作的核心并不是单独追求一个更高的增益而是将四个层次连接起来flowchart LR A[微米级槽结构] -- B[表面电流与谐振调控] B -- C[双频、高增益、高效率] C -- D[隔离墙降低互耦] D -- E[机器学习加速参数优化]复杂槽结构负责调节谐振和电流路径隔离墙负责抑制端口间耦合RLC 模型负责提供电路层面的解释机器学习则负责降低反复仿真的时间成本。最终得到的不是某一个孤立指标的提升而是一个在双频带宽、增益、效率、隔离度和 MIMO 分集性能之间取得平衡的 THz 天线方案。不过当前结果主要基于全波仿真、等效电路和小规模机器学习数据集。未来仍需要扩大训练样本、开展多目标优化并通过微纳加工和 THz 测试验证模型预测与实际器件性能之间的一致性。参考资料Sci Rep16, 23872 (2026). https://doi.org/10.1038/s41598-026-54612-y 【人工智能每日精选】从微米级贴片到6G高速链路：机器学习如何优化THz MIMO天线？
6G 和高容量物联网需要更高的数据速率、更低的通信时延和更密集的设备连接。THz 频段能够提供巨大的可用带宽因此被认为是未来短距离超高速通信和高分辨率感知的重要候选频段。但频率越高天线设计越困难。THz 信号传播损耗大、有效传输距离短微小的几何尺寸变化就可能改变谐振频率和阻抗匹配。在 MIMO 系统中多个天线单元还必须同时满足高增益、高效率、宽带宽和低互耦等要求。这意味着 THz MIMO 天线设计不是单独追求某一个指标而是在多个相互制约的性能之间寻找平衡。图THz MIMO天线在6G与物联网通信中的应用示意图涵盖车联网、基础设施、个人设备、智能家居与卫星链路。一、THz MIMO天线到底要解决什么矛盾MIMO 天线通过多个空间通道提升通信可靠性和频谱效率。理想情况下不同天线单元应当尽可能独立工作但在实际结构中两个单元距离很近电磁场会发生耦合。flowchart LR A[端口 1] -- C[空间复用与多路径传输] B[端口 2] -- C D[单元间互耦] -. 降低隔离度 .- C C -- E[影响增益、效率和信道容量]设计中通常需要同时关注带宽能够覆盖多大的频率范围增益辐射能量能否集中到目标方向效率输入功率有多少真正转化为辐射功率隔离度一个端口工作时另一个端口受到的泄漏有多小ECC多个辐射通道之间的相关性有多强TARC 和 CCL多端口同时激励时反射损耗和容量损失是否可接受。单纯扩大单元间距可以降低互耦但会增加器件尺寸单纯缩小尺寸又可能降低隔离度和辐射效率。因此真正有效的设计必须同时处理几何结构、表面电流和端口耦合。二、为什么采用1 × 2微带贴片结构微带贴片天线具有低剖面、质量轻、易于与集成电路结合等优点。这里采用两个贴片单元组成 1 × 2 MIMO 结构并将整体尺寸控制在约 130.7 μm × 288 μm。天线以石英作为介质基底以银作为导体。石英的相对介电常数约为 3.75具有较低损耗和较好的热机械稳定性银具有较高电导率有助于降低 THz 频段下的欧姆损耗。单个贴片并不是一个简单矩形而是引入了多种槽结构flowchart TD A[贴片几何结构] -- B[六边形槽\n调节多谐振行为] A -- C[圆形槽\n调节谐振与电流分布] A -- D[三角形槽\n控制高阶模式] A -- E[桥接与阶梯结构\n改善电流连续性和阻抗匹配]这些槽结构的作用不是简单增加图案复杂度而是改变表面电流路径和局部电场分布使天线能够在多个频率附近产生稳定谐振同时维持较好的阻抗匹配和辐射性能。三、为什么可以实现双频宽带工作天线的基本尺寸首先由波长和有效介电常数决定其中是光速是目标频率是基底相对介电常数是基底厚度是贴片宽度。在此基础上六边形、圆形和三角形槽会引入不同的等效电流路径。不同路径对应不同的电磁谐振因此可以共同拓展工作频带并形成双频响应。最终结构覆盖两个主要频段8.20-9.63 THz带宽约 1.43 THz9.95-10.86 THz带宽约 0.907 THz。第一频带的最低反射系数约为 -45.85 dB第二频带的最低反射系数约为 -33.35 dB说明两个频带均具有较好的输入阻抗匹配。四、隔离墙如何降低两个天线单元之间的互耦MIMO 结构中一个单元的表面电流可能沿基底和贴片边缘传播到另一个单元造成端口间能量泄漏。为此在两个辐射单元之间加入隔离墙并对单元方向、间距、墙体长度、宽度和厚度进行优化。flowchart LR A[端口 1 辐射单元] -- B[隔离墙\n阻断和重定向耦合电流] B -- C[端口 2 辐射单元] A -. 表面波泄漏 .- C C -. 表面波泄漏 .- A隔离墙的本质作用是改变两个端口之间的电磁传播路径减少表面波和近场耦合。仿真中无隔离墙时隔离度约为 -34.76 dB加入隔离结构后隔离度提升到约 -42.03 dB改善超过 6 dB。文中不同结果位置报告的最佳隔离度约为 -42.03 至 -44.64 dB具体数值取决于对应的频点和评价方式。总体上隔离结构显著降低了端口之间的耦合。五、增益和效率说明了什么增益决定辐射能量在目标方向上的集中程度效率则反映输入功率转化为辐射功率的能力。该设计在两个工作频带内都保持较好的辐射性能低频带内增益约为 13.13 dB高频带附近峰值增益达到 14.07 dB最高辐射效率约为 87.7%低频带平均效率超过 84%。THz 通信通常受到传播损耗和能量预算限制因此高增益可以帮助补偿自由空间传播损耗高效率则可以减少输入功率浪费。二者结合才能支持高容量、低功耗的短距离 THz 链路。六、低ECC为什么重要ECC即包络相关系数用来衡量不同 MIMO 天线单元辐射通道之间的相关程度。ECC 越低说明两个端口越独立空间分集和空间复用效果越好。该结构的 ECC 达到约对应的分集增益接近理论上限 10 dB。其物理原因与较高隔离度直接相关隔离墙和优化后的单元布局降低了端口间的表面波传播和耦合电流使两个辐射单元能够形成更加独立的空间通道。flowchart TD A[低互耦] -- B[高隔离度] B -- C[低 ECC] C -- D[高分集增益] D -- E[更可靠的 MIMO 传输]此外TARC 保持在约 -8 dB 以下说明多端口同时激励时反射功率较低CCL 约低于 0.35-0.4 bits/s/Hz说明天线对信道容量的损失较小。七、机器学习究竟优化了哪一步传统设计需要不断改变贴片长度、宽度、馈线尺寸、槽结构和基底参数然后反复运行全波电磁仿真。对于 THz 结构而言单次仿真可能需要几十分钟到接近两小时复杂参数组合会迅速形成巨大的设计空间。机器学习的作用是学习“几何参数 → 天线性能”之间的非线性关系flowchart LR A[贴片、基底、馈线和槽参数] -- B[CST 全波仿真] B -- C[增益、带宽、效率、反射系数] C -- D[形成训练数据] D -- E[回归模型学习参数-性能关系] E -- F[快速预测新结构]研究中生成了 117 组设计样本其中约 93 组用于训练24 组用于测试。比较了 Ridge Regression、Decision Tree、Random Forest、Gradient Boosting、XGBoost 和 Extra Trees 等回归模型。最终Extra Trees Regression 的表现最好模型MAERMSER²EVSExtra Trees1.31%1.76%98.13%98.27%Random Forest1.80%2.23%97.01%97.06%Decision Tree3.00%4.55%87.52%87.59%XGBoost3.67%6.54%74.19%79.50%Gradient Boosting4.92%8.03%77.62%78.75%需要注意机器学习并没有替代电磁仿真生成物理真值而是使用仿真数据训练快速代理模型。其优势主要体现在后续参数搜索和性能预测阶段。八、预测速度为什么有工程价值文中给出的计算时间对比显示单元天线低网格设置的 CST 仿真约需 20 min 40 s中等网格设置约需 1 h 10 min 45 s高复杂度 MIMO 仿真约需 1 h 56 min 30 s五个回归模型训练约需 0.978 s单次预测约需 0.098 s。这意味着完成一次训练后模型可以在接近实时的速度下预测新设计的增益等指标。对于多目标优化而言可以先由机器学习快速筛选候选结构再使用高精度全波仿真对少数候选方案进行复核从而降低整体设计成本。九、等效RLC电路为什么能帮助验证天线全波电磁仿真能够给出精确响应但不一定容易直接解释每个槽结构如何参与谐振。等效 RLC 电路提供了一个更简化的物理视角金属贴片和电流路径可等效为电感槽结构引入的电容性不连续可等效为电容辐射损耗、欧姆损耗和基底损耗可等效为电阻端口之间的互耦可通过耦合元件表示隔离结构可通过附加电容等效描述其对耦合路径的影响。flowchart LR A[复杂贴片与槽结构] -- B[等效 RLC 元件] B -- C[谐振频率与阻抗响应] C -- D[与全波 CST 结果对比] D -- E[验证谐振机理]ADS 中的 RLC 模型能够较好复现 CST 的两个主要谐振频带。二者之间存在少量偏差主要来自高阶寄生效应和基底损耗等难以完全由集总元件表示的因素。十、从仿真结果到真实器件还差什么该设计的尺寸处于微米尺度理论上可以通过光刻或电子束曝光制造。但在 8 THz 以上的频率范围内制造误差会被显著放大主要风险包括银膜表面粗糙度增加欧姆损耗贴片和馈线对准误差造成谐振频率偏移槽尺寸误差改变局部电流路径石英基底的脆性增加加工难度导体电导率、介电常数和损耗角正切的频率色散影响实际响应。仿真中的 ±5% 尺寸扰动和材料参数敏感性分析显示整体带宽、增益和隔离度仍保持相对稳定。但这仍然属于数值鲁棒性分析不能替代真实器件的制备、测试和封装验证。十一、核心启示这项工作的核心并不是单独追求一个更高的增益而是将四个层次连接起来flowchart LR A[微米级槽结构] -- B[表面电流与谐振调控] B -- C[双频、高增益、高效率] C -- D[隔离墙降低互耦] D -- E[机器学习加速参数优化]复杂槽结构负责调节谐振和电流路径隔离墙负责抑制端口间耦合RLC 模型负责提供电路层面的解释机器学习则负责降低反复仿真的时间成本。最终得到的不是某一个孤立指标的提升而是一个在双频带宽、增益、效率、隔离度和 MIMO 分集性能之间取得平衡的 THz 天线方案。不过当前结果主要基于全波仿真、等效电路和小规模机器学习数据集。未来仍需要扩大训练样本、开展多目标优化并通过微纳加工和 THz 测试验证模型预测与实际器件性能之间的一致性。参考资料Sci Rep16, 23872 (2026). https://doi.org/10.1038/s41598-026-54612-y