深層学習を用いた最適化手法により支援されたメタサーフェス負荷型1×2パッチアレイアンテナを提案し、ポートと放射ビームパターンのデカップリングを同時に実現し、それによってMIMOシステム内の素子間のアイソレーションを強化した。深層学習支援最適化手法は人工ニューラルネットワーク（ANN）と粒子群最適化（PSO）アルゴリズムを使用し、歪みのない放射ビームパターンを持つポートのデカップリングを実現するための最適なアンテナ構造を探索する。ANNは幾何学的パラメータとアンテナ応答間の非線形関係を記述するように訓練された。コスト関数と反復回数の指示のもと、PSOアルゴリズムを用いてコスト関数に基づき、訓練済みANNと組み合わせてアンテナ構造を最適化した。最後に、制約付コスト関数により、スタッドで固定されたメタサーフェスを備えた1×2パッチアレイアンテナを得て、ポートと放射パターンのデカップリングを同時に実現した。この原理と設計手法を検証するために、中心周波数における自由空間波長λ₀を基準とした0.88λ₀×0.47λ₀×0.21λ₀のアンテナプロトタイプを設計、製造および測定した。測定された分数帯域幅は8％（4.8〜5.2 GHz）であった。二元パッチアンテナのアイソレーションは7.6 dBから24.3 dBに向上し、0.35λ₀におけるエンベロープ相関係数（ECC）は0.0005未満であった。さらに、各素子のH面放射パターンは均一かつ広辺方向に対称であった。これらの特性は、提案されたアンテナが近接配置されたMIMOアンテナシステムに適していることを示している。

人工ニューラルネットワーク;粒子群最適化アルゴリズム;相互結合;放射パターン復元;メタサーフェス