新闻链接：https://news.sjtu.edu.cn/jdyw/20250515/210528.html

  5月4日至8日，第46届光子与电磁学研究国际研讨会(Photonics & Electromagnetics Research Symposium, PIERS)在阿联酋阿布扎比召开，本次会议分为5个主题，共收到1463篇投稿，每个主题共颁发最佳学生论文奖三个。集成电路学院(信息与电子工程学院)射频异质异构集成全国重点实验室李晓春教授课题组投稿的论文“针对微波无源器件的半监督可逆神经网络逆建模技术”(An Inverse Modelling Technique Based on Semi-supervised Invertible Neural Network for Microwave Components)荣获最佳学生论文奖 (BEST STUDENT PAPER AWARD)。该论文作者为：武泽明（2020级直博生），李正（2019级直博生），陈海标（2023级博士研究生），李晓春（集成电路学院(信息与电子工程学院)教授，指导导师），毛军发（中国科学院院士，IEEE Fellow）。

  PIERS是电磁科学院（The Electromagnetics Academy）主办的介绍与促进光子与电磁学进展的大型系列性国际性学术会议，自1989年以来，每年度都在世界各地主要城市例如Cambridge，Seattle，Innsbruck，Tokyo，Prague，Marrakesh，Stockholm，Singapore，Rome，Shanghai等巡回举办，2013年以来每年规模都在千人以上，是电磁学领域最具有影响力的系列性国际学术会议之一。

• 研究背景

微波无源器件的逆建模设计可以通过机器学习模型实现，逆建模将设计目标作为输入，直接得到设计的尺寸参数，极大降低了设计门槛，缩短了设计时间。然而目前存在的逆建模方法会遇到非唯一解导致的低精度问题与数据集需求过大导致的数据获取低效率问题，限制了逆建模方法在微波无源器件设计的应用。

• 论文介绍

针对上述问题，本工作提出了半监督-可逆神经网络逆建模方法，该方法共包含两个模块： 半监督学习生成数据集模块与设计参数生成与选择模块。半监督学习中，通过使用少量数据集训练正向模型多层感知机与高斯过程，并利用它们扩展数据集，使用扩展的数据集训练生成式的可逆神经网络。在设计参数生成与选择中，使用训练好的可逆神经网络生成多组设计候选值，并利用正向模型来选择出符合设计目标的设计参数。基于该设计方法，我们设计了HMSIW-SSPP的单元结构，设计目标为HMSIW-SSPP的通带的下截止频率和上截止频率，设计参数为单元结构的6个尺寸参数。设计结果表明，所提出的半监督-可逆神经网络逆建模方法同其他逆建模方法如多层感知机、多值神经网络相比，提升了设计精度，同使用可逆神经网络相比，提高了数据集获取效率。