近年、人体がミリ波（mmWave）電場（E-field）に曝露されるレベルを正確に評価することが公衆の健康と安全にとって重要となっています。国際電気標準会議（IEC）および電気電子技術者協会（IEEE）の規格（IEC/IEEE 63195-2標準）によると、ミリ波電磁曝露の評価には高空間分解能の電場分布データが必要です。本研究では、電場勾配損失を組み込んだ生成対抗ネットワーク（GAN）を提案し、EFGraGANと命名してミリ波電場の超解像再構成に用います。電場勾配損失の導入により、ネットワークは局所的な場強度の振幅と空間構造を同時に学習でき、再構成された電場マップの精度向上と構造的詳細の充実を実現します。異なる種類のアンテナに対するモデルの汎用性向上のために、平面波積分表現（PWIR）とランダムパラメータ化された入射を利用して訓練データセットを生成し、多様な場分布状況を模擬しました。双一次補間と組み合わせることで、本手法は30 GHzおよび60 GHzの周波数帯域で高解像度再構成を達成し、IEC/IEEE 63195-2標準の曝露評価要件を満たします。数値シミュレーションの結果、4×4ダイポールアレイ場面（最大周波数60 GHz）において、EFGraGANは皮膚モデル内の電場分布再構成における最大平均相対誤差（MRE）が9％未満であり、従来の線形補間法やGANモデルよりも優れた性能を示しました。加えて、本手法は雑音に対して強いロバスト性を示し、既存の測定システムがミリ波曝露を正確かつ効率的に評価する支援となることが期待されます。

場再構成;生成対抗ネットワーク（GAN）;ミリ波（mmWave）曝露