Large Language Model-Based Intelligent Antenna Design System

📄 arXiv: 2504.18271v2 📥 PDF

作者: Tao Wu, Kexue Fu, Qiang Hua, Xinxin Liu, Bo Liu

分类: cs.AI, cs.ET, cs.HC, eess.SY

发布日期: 2025-04-25 (更新: 2025-12-17)

备注: Code are available: https://github.com/TaoWu974/LEAM. Accepted by and will be presented in EuCAP 2026, Dublin

🔗 代码/项目: GITHUB

💡 一句话要点

提出基于大语言模型的智能天线设计系统LADS，加速天线设计与优化。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大语言模型 天线设计 智能设计系统 天线建模 天线优化

📋 核心要点

  1. 传统天线仿真涉及建模和优化，过程耗时且依赖人工，限制了天线分析与设计效率。
  2. LADS利用大语言模型，从文本和图像中提取信息，自动生成天线模型并迭代优化设计。
  3. 实验表明，LADS能够有效优化天线设计，例如通过修改槽型和基板材料来提升超宽带天线的增益稳定性。

📝 摘要（中文）

本文提出了一种基于大语言模型（LLM）的天线设计系统（LADS）原型，旨在辅助天线仿真，解决传统天线建模和优化耗时耗力的问题。LADS能够根据从学术论文、专利和技术报告中提取的文本描述和图像生成天线模型，并与工程师交互以迭代优化设计。随后，LADS配置并运行优化器以满足设计规范。通过一个从文献中的图像和描述生成的单极子开槽天线，验证了LADS的有效性。为了提高3.1-10.6 GHz超宽带的增益稳定性，LADS将交叉槽修改为H型槽并更换基板材料，然后进行参数优化。结果表明，在保持相同增益水平的同时，增益变化得到降低。LLM-enabled antenna modeling (LEAM)的代码已开源。

🔬 方法详解

问题定义：传统天线设计流程中，建模和优化是两个关键环节，但都非常耗时且依赖工程师的经验。工程师需要手动查阅大量文献，理解天线结构和参数，然后进行建模和仿真。现有方法缺乏自动化和智能化，难以快速响应设计需求。

核心思路：本文的核心思路是利用大语言模型（LLM）的强大文本理解和生成能力，构建一个智能天线设计系统LADS。LADS能够从文献（论文、专利等）中提取天线结构信息，自动生成天线模型，并与工程师交互进行迭代优化。通过自动化建模和优化，显著缩短天线设计周期。

技术框架：LADS系统主要包含以下几个模块：1) 文献数据提取模块：从学术论文、专利和技术报告中提取文本描述和图像信息。2) 天线模型生成模块：利用LLM根据提取的信息生成初始天线模型。3) 交互式优化模块：工程师与LADS交互，对天线模型进行迭代修改和优化。4) 优化器配置与运行模块：LADS自动配置并运行优化器，以满足设计规范。

关键创新：LADS的关键创新在于将大语言模型应用于天线设计领域，实现了天线模型的自动生成和优化。与传统方法相比，LADS无需人工建模，能够显著提高设计效率。此外，LADS还具备交互式优化能力，允许工程师参与设计过程，进一步提升设计质量。

关键设计：LADS使用LLM进行天线模型生成，具体实现细节未知，但可以推测其可能使用了某种形式的条件生成模型，例如根据文本描述和图像信息生成天线模型的参数。在优化方面，LADS自动配置并运行优化器，具体的优化算法和参数设置未知，但可能包括遗传算法、粒子群算法等。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

LADS通过修改单极子开槽天线的槽型（从交叉槽到H型槽）和基板材料，成功提高了3.1-10.6 GHz超宽带的增益稳定性，同时保持了相同的增益水平。具体性能提升数据未知，但实验结果表明LADS能够有效优化天线设计。

🎯 应用场景

LADS可应用于各种天线设计场景，例如无线通信、雷达、卫星通信等。该系统能够显著缩短天线设计周期，降低设计成本，并提高设计质量。未来，LADS有望成为天线设计工程师的重要辅助工具，推动天线设计领域的智能化发展。

📄 摘要（原文）

Antenna simulation typically involves modeling and optimization, which are time-consuming and labor-intensive, slowing down antenna analysis and design. This paper presents a prototype of a large language model (LLM)-based antenna design system (LADS) to assist in antenna simulation. LADS generates antenna models with textual descriptions and images extracted from academic papers, patents, and technical reports (either one or multiple), and it interacts with engineers to iteratively refine the designs. After that, LADS configures and runs an optimizer to meet the design specifications. The effectiveness of LADS is demonstrated by a monopole slotted antenna generated from images and descriptions from the literature. To improve gain stability across the 3.1-10.6 GHz ultra-wide band, LADS modifies the cross-slot into an H-slot and changes substrate material, followed by parameter optimization. As a result, the gain variation is reduced while maintaining the same gain level. The LLM-enabled antenna modeling (LEAM) is available at: https://github.com/TaoWu974/LEAM.