米乐m6官方网站 (AIST) 产业技术综合研究所 (AIST) 物理测量标准研究部首席研究员 Ryo Sakamaki 和研究组组长 Moritaro Kon 开发了一种技术，在测量从毫米波到太赫兹波的电磁波时，使用机器学习自动确定波导的连接状态。
波导是在特定方向上有效传输电磁波的路径。近年来，处理从毫米波到太赫兹波的高频段电磁波的通信设备和其他设备的开发取得了进展。当评估安装在这些设备中的许多电子元件的传输特性、反射特性和其他性能时，需要将待评估的电子元件与波导连接。以前，波导的连接状态是由工作人员目视或手动检查，但每个人都判断连接的好坏，导致测量精度存在差异。
这次，我们开发了一种系统，可以收集根据波导连接状态而变化的测量数据，并使用机器学习（一种人工智能技术）自动确定波导连接的好坏。这一结果即使是非专家也能进行稳定且高精度的测量，有望改善太赫兹技术在研发和工业领域的使用。
该技术的详细信息将于 6 月 15 日在 2025 年 6 月 15 日至 20 日在美国旧金山举行的“IEEE MTT‑S 国际微波研讨会 (IMS) 2025 研讨会/一般会议”上公布。
近年来6G通讯是啊太赫兹扫描仪使用这些高频段的设备配备了许多电子元件，例如放大器和滤波器，其性能评估和开发需要复杂的测量环境和专业知识。
评估电子元件的反射和透射特性时，电磁波从测量仪器传输到设备，并测量反射波和透射波。波导、同轴电缆和探头等波导用于传输电磁波，但这些波导必须在每次考虑适当的测量系统配置后连接，具体取决于设备的结构和使用的频率。在高频段，特别是毫米波以上频段，即使波导连接位置的微小偏差也会对测量结果产生重大影响，因此连接波导需要专门的技术。此外，需要专门的经验和知识来确定连接状态的正确性。近年来，处理高频段的设备的种类和数量不断增加，因此许多工程师参与了测量和检查工作。因此，需要创建一个即使没有高频段测量经验的工程师也能稳定工作的测量环境。在现场，我们面临着“如何确保测量结果的可靠性”和“如何判断连接的好坏”等问题，迫切需要摆脱依赖传统专业知识的操作。
AIST 一直在开发稳定、准确地测量高频器件电气特性的测量技术，并致力于开发利用该技术的器件。2019 年 5 月 17 日 AIST 新闻稿）。另外，到目前为止我们已经使用了机器学习自动探测器并演示了其在特定测量环境下的运行*1这次，我们的目标是通过使用使用波导而不是仅限于探测器的高频段测量系统，在直至太赫兹波段的频段中实现不依赖于目视检查或手工劳动的客观且一致的测量精度。
在这项研究中，我们开发了一种技术，可以自动确定毫米波到太赫兹波测量中波导的连接状态。此前，波导的连接状态是由工作人员目视或手动检查，但存在一个问题，即每个人的判断不同，导致测量精度存在差异。波导、探头和同轴线广泛用作测量系统中的波导。以波导为例，在太赫兹波段，如图1所示，连接系统和待测器件的波导开口尺寸为数百微米。波导通常配备有销钉，以减少连接时开口的位置偏差，但即使如此，连接时也可能会出现几十微米的位置偏差。这种位置偏移（如果有的话）非常小，以至于很难在视觉上识别它。这种连接错位会导致高频信号在连接处反射，从而影响测量结果（图 2）。错位不仅发生在平行方向上，而且还由于连接过程中连接面的倾斜度的微小偏差而发生。这些偏差极大地影响了测量结果，因此在检查测量结果的同时可以重新调整波导连接。然而，获得的测量结果因测量系统配置和频段而异，因此即使是经验丰富的工程师在使用不熟悉的系统时也很难做出决定。使用探头（图 3）或同轴电缆的测量系统也面临类似的挑战。
图1 使用波导的太赫兹波测量系统外观及波导连接结构
*这是对原始程序图的引用或修改。
图 2（左）根据连接状态显示波导横截面差异的图像。 （右）根据连接质量而变化的传输信号测量结果示例。
*这是对原始程序图的引用或修改。
图 3（上）探针示意图，（左下）使用探针的测量系统示例。 （右下）探针尖端的显微图像。
*这是对原始程序图的引用或修改。
这次，我们构建了一个系统，可以从测量数据中提取特征并自动分类和确定连接状态。机器学习用于分类和确定连接状态。此外，我们还收集根据波导的连接状态而变化的测量数据（例如传输特性和反射特性），并将其用作参考数据对于波导，我们首先收集正确连接时具有已知特性的单个设备（例如，用于校准测量系统的直通设备）的测量结果作为参考数据。我们分析了该数据的特征，并开发了一个区分正常连接和不良连接的模型。可以采用正常连接（或异常连接）时测量值的标准差作为判断阈值。
开发的算法不仅可以用于收集参考数据时使用的设备类型，还可以在不更改参考数据的情况下用于其他设备类型。例如，即使使用透射装置的测量结果作为参考数据，也可以确定反射装置的连接状态。此外，我们不仅在单个测量系统和频段上进行演示，而且还在不同制造商和不同频段（1 GHz至220 GHz、220 GHz至330 GHz和750 GHz至11 THz）的多个测量系统上进行演示，验证了所开发算法的多功能性。这使得无需依赖传统的目视检查或手动方法即可确保客观且一致的测量精度。
在数据判断中，如图4所示，根据测量结果多项式拟合执行，并且使用所获得的多项式的特定次数的系数来执行数据组的密度分析。此时的数据密度为局部离群因子 (LOF)如果 LOF 接近 1，则该点与其周围环境的密度相似，并且不是异常值。另一方面，如果 LOF 大于 1，则数据密度较低，很可能是异常值。在该方法中，根据插入到参考数据组中的测试数据的数据密度来确定连接状态。例如，当使用连通性良好的参考数据时，连通性较差的测试数据得到的数据密度会较低，导致LOF较大。利用这一点，可以根据LOF值来判断连接是否良好。注意，如果使用连接较差时得到的数据作为参考数据，则连接良好时得到的测试数据的LOF会更大。
我们使用 1 英寸长波导的测试数据以及一组常用于校准的校准标准演示了所开发算法的操作。结果，在所有情况下，根据波导的连接状态，观察到LOF值的显着差异，确认可以适当地确定连接状态（图5）。
新开发的技术不仅可以使经验丰富的工人，而且可以使没有测量经验的工人稳定地进行高精度测量，并有望加速毫米波和太赫兹波技术在工业领域的研发。
图4 如何分析获得的数据
*这是对原始程序图的引用或修改。
图 5 每个测量系统的演示示例。对于波导系统，使用连接良好时的数据作为参考数据，对于探针系统，使用连接不良时的数据作为参考数据。
(1”WG表示1英寸长波导，short表示短路，Thru表示直接连接到测量仪器的波导)
*这是对原始程序图的引用或修改。
未来，我们将致力于开发自动和自主技术，用于使用该技术设置测量系统。该技术是一种连接状态确定技术，通过与波导机动对准系统相结合，可以实现自主、自动的设备设置。通过实现这一点，有望提高毫米波/太赫兹波评估系统的可靠性，并为自动化（汽车工厂）做出贡献。特别是在使用探头的测量系统中，在设备设置过程中可能会损坏探头。通过自动化和自主执行这些设置任务，我们可以期望降低管理昂贵的高频设备的成本。通过让任何人（甚至无人值守）都可以设置以前需要技术人员的设备，我们将加速 6G 通信和太赫兹扫描仪等下一代高频技术的技术开发。
会议名称：IEEE MTT-S 国际微波研讨会 (IMS) 2025 研讨会/全体会议
标题：基于机器学习的波导连接和探头接触状态检测算法，频率高达 11 THz
作者：Ryo Sakamaki、Seitaro Kon、Shuhei Amakawa、Takeshi Yoshida、Satoshi Tanaka、Minoru Fujishima
*1：R Sakamaki 等人，“采用机器学习算法的自动探测系统”，第 96 届 ARFTG 微波测量会议 (ARFTG)，2021 年。