Propõe-se uma antena de matriz de patches 1×2 carregada com metasuperfície otimizada assistida por aprendizado profundo para realizar simultaneamente o desacoplamento entre portas e o padrão de radiação, fortalecendo, assim, o isolamento entre os elementos em sistemas MIMO (entrada múltipla, saída múltipla). O método de otimização assistida por aprendizado profundo utiliza uma rede neural artificial (ANN) e o algoritmo de otimização por enxame de partículas (PSO) para buscar a estrutura ótima da antena, a fim de alcançar o desacoplamento das portas com um padrão de radiação não distorcido. A ANN é treinada para descrever a relação não linear entre os parâmetros geométricos e a resposta da antena. Sob a orientação da função de custo e do número de iterações, o algoritmo PSO otimiza a estrutura da antena com base na função de custo, em conjunto com a ANN treinada. Finalmente, por meio de uma função de custo restrita, obtém-se uma antena de matriz de patches 1×2, com uma metasuperfície fixada por pinos, que alcança simultaneamente o desacoplamento das portas e do padrão de radiação. Para validar esse princípio e método de projeto, foi projetado, fabricado e medido um protótipo de antena com dimensões de 0,88λ₀×0,47λ₀×0,21λ₀ (sendo λ₀ o comprimento de onda no espaço livre na frequência central). A largura de banda fracionária medida foi de 8% (4,8–5,2 GHz). O isolamento da antena patch binária aumentou de 7,6 dB para 24,3 dB, com coeficiente de correlação de envoltória (ECC) <0,0005 em 0,35λ₀. Além disso, o padrão de radiação no plano H de cada elemento é uniforme e simétrico na direção da borda larga. Essas características tornam a antena proposta adequada para sistemas de antenas MIMO com espaçamento próximo.

rede neural artificial;algoritmo de otimização por enxame de partículas;acoplamento;restauração do padrão de radiação;metasuperfície