تم اقتراح هوائي مصفوفة رقائق 1×2 محمّل بسطح فوقي مدعوم بطريقة تحسين باستخدام التعلم العميق لتحقيق فك الترابط بين المنفذ ونمط الإشعاع في نفس الوقت، مما يعزز العزل بين المكونات في نظام التوصيل المتعدد متعدد الإدخال ومتعدد الإخراج (MIMO). تستخدم طريقة التحسين المدعومة بالتعلم العميق شبكة عصبية صناعية (ANN) وخوارزمية أسراب الجسيمات (PSO) للبحث عن أفضل هيكل للهوائي لتحقيق فك ارتباط المنفذ مع نمط إشعاع غير مشوش. تم تدريب شبكة ANN لوصف العلاقة غير الخطية بين المعلمات الهندسية واستجابة الهوائي. تحت إرشادات دالة التكلفة وعدد التكرارات، تُستخدم خوارزمية PSO لتحسين هيكل الهوائي بناءً على دالة التكلفة وبالاقتران مع شبكة ANN المدربة. أخيرًا، وباستخدام دالة تكلفة مقيدة، يتم الحصول على هوائي مصفوفة رقائق 1×2 مع سطح فوقي مثبت بدبابيس، يحقق في نفس الوقت فك الترابط بين المنفذ ونمط الإشعاع. للتحقق من هذه المبادئ وطريقة التصميم، تم تصميم وتصنيع وقياس نموذج هوائي بأبعاد 0.88λ₀×0.47λ₀×0.21λ₀ (λ₀ الطول الموجي في الفراغ عند التردد المركزي). نسبة النطاق الترددي المقاسة هي 8% (4.8–5.2 جيجاهرتز). زاد العزل بين رقائق الهوائي الثنائي من 7.6 ديسيبل إلى 24.3 ديسيبل، وكان معامل الارتباط الظاهري (ECC) عند 0.35λ₀ أقل من 0.0005. بالإضافة إلى ذلك، كانت أنماط الإشعاع في مستوى H لكل عنصر متجانسة ومتناظرة في الاتجاهات ذات الحواف العريضة. تجعل هذه الخصائص الهوائي المقترح مناسبًا لأنظمة الهوائيات MIMO ذات المسافات القريبة.

شبكة عصبية صناعية;خوارزمية أسراب الجسيمات;الترابط المتبادل;استعادة نمط الإشعاع;السطح الفوقي