SmartDO

使用SmartDO AI&多物理自動優化設計 融合技術 建立精準Digital Twin模型

隨著 5G 通訊技術邁入高頻 Ka 頻段，訊號傳輸效率與覆蓋能力的提升成為重要課題。本文展示如何使用SmartDO之人工智慧（AI）與多物理自動優化融合演算法， 在現有反射板設計CAE分析基礎上， 建立精準Digital Twin（數位雙生），將5G擇頻反射板之CAE分析模擬模型，與硬體測試資料自動比對校正。

圖1所示為5G擇頻反射板元件CAE模型3D電磁場分佈顯示圖。

圖 1：5G擇頻反射板元件CAE模型3D電磁場分佈顯示圖。

圖2所示為硬體測試之架構，以及5G擇頻反射板之實體樣貌。

圖 2：5G擇頻反射板硬體測試之架構，反射板之實體樣貌。

5G 擇頻反射板設計背景

5G 擇頻反射板的核心目標為在主頻（28±0.3GHz）提供高反射能力，同時在非主頻抑制反射，避免干擾。
設計重點包括：

• 幾何圖樣（Metal pattern）的參數調整（P、L、W、UT、LT）
• 材料特性（Dk, Df）於多頻點下的表現
• 入射與反射角度設定（本研究採 θ = 45°）

使用SmartDO AI&多物理自動優化設計 融合技術 建立精準Digital Twin模型


Digital Twin 技術可將實體反射板完整虛擬化，建立數位模型實現同步模擬與實測比對。流程如下：
• 利用 CAD 與 電子高瀕CAE軟體建立完整反射板幾何模型
• 匯入量測數據建立實體-數位資料對應關係
• 建立模型參數（幾何尺寸與材料常數）與反射頻譜間的映射關係
• 融合SmartDO與電子高瀕CAE模型進行優化調校與擬合

圖3所示為SmartDO之控制面板，以交互關聯流程圖讓使用者清楚瞭解整體執行相互關係與執行流程。



圖 3：SmartDO之控制面板，及整體執行相互關係與執行交互關聯流程



SmartDO Digital Twin參數優化架構


SmartDO的AI及多物理自動優化技術可加速多變數參數空間的搜尋與匹配，尤其在多頻率點下需同時滿足多組 Constraint 條件。本研究採用以下方法：
• 以 SmartDO 為優化核心，建立目標函數（Objective Function），最小化實測曲線與模擬曲線的誤差
• 使用4個不同頻率下之Dk/Df值作為設計變數共8個DV
• 針對 9 個頻率點設立 18 個 Constraint 條件
• 使用 SmartDO 的自動優化+AI 演算法探索Digital Twin模型的不同頻率材料性質 Dk、Df調校。

圖4所示為經SmartDO優化前後，CAE模型與實體測試的擬合比較。根據優化結果，擇頻反射板設計於 28.0 GHz 主頻附近達到最佳 Return Loss（-0.42 dB），並在 25.13 GHz 與 30.16 GHz 亦呈現良好反射性質。經 SmartDO 的多物理自動優化+AI 演算法模型擬合後，實測與模擬誤差顯著降低。


圖 4 : 經SmartDO優化前後，CAE模型與實體測試的擬合比較



SmartDO Digital Twin自動調校優化的優勢分析

導入SmartDO的AI+自動優化技術調校 Digital Twin，相較傳統 Trial-and-Error 模式，具備以下優勢：

• 一頁式GUI設定。
• 單鍵自動優化設計。
• 已被證明可應用於超過200以上設計變數之優化問題。
• 多物理自動最佳化。

如果您想瞭解更多有關SmartDO的資訊，請與我們聯絡。