في خطوة مذهلة نحو تحسين تصميم الهوائيات، تم تقديم إطار عمل جديد يعتمد على التعلم الآلي (Machine Learning) لتسهيل التصميم العكسي لهوائيات مخصصة لموجات المليمتر تتراوح من 22 إلى 30 جيجاهرتز. يتم تمثيل سطح الهوائي كشبكة ثنائية تتكون من 19x23 بكسلاً، حيث يمثل كل بكسل إما معدناً أو فراغاً.

لتسهيل العملية، تم جمع مجموعة بيانات أولية تحتوي على نحو 6000 محاكاة كاملة باستخدام CST من نماذج بكسلات عشوائية مرتبة، لكن لم تحقق سوى 40% منها تردد رنين مناسب. لتحسين كفاءة المحاكاة، تم تدريب مصنف ثنائي باستخدام XGBoost على هذه البيانات لتمييز الأنماط الرنانة عن غير الرنانة.

بفضل استخدام المصنف كفلتر قبل بدء المحاكاة، تم اتخاذ 4000 نمط إضافي، مما زاد نسبة التصاميم الرنانة في مجموعة البيانات إلى 52%. بعد ذلك، تم تدريب نموذج هجيني (Hybrid Model) باستخدام CNN وBiLSTM لتوقع استجابة |S11| المعقدة عبر 801 نقطة ترددي. استخدم هذا النموذج دالة خسارة مركبة لتأكيد دقة الرنين.

وفي النهاية، تم تطوير نموذج تصميم عكسي يستخدم تقنية الانحدار لتوليد أنماط بكسلات تطابق خصائص محددة لـ |S11|. أظهرت النتائج توافقاً جيداً بين الاستجابات المتوقعة والمحاكاة، مما يبرز فعالية هذا الأسلوب في تصميم الهوائيات تلقائياً وإعادة تكوين هياكلها بمرونة.