通过集成SRR传感器、去嵌入处理和人工神经网络建模来提升磁电材料表征的准确性

《Radio Science》：Enhancing magneto-dielectric material characterization by integrating SRR sensor, de-embedding procedure, and artificial neural network modeling

　　有效介电常数与磁导率表征方法、平面split-ring谐振器设计、人工神经网络模型、线线去嵌入技术、磁电复合材料

　　

摘要：

本研究提出了一种改进的方法，用于表征磁电（MD）复合材料的有效介电常数（ε）和磁导率（μ），该方法利用分散在PDMS聚合物基质中的Fe3O4纳米颗粒。所提出的方法结合了平面分裂环谐振器传感器设计和人工神经网络模型来进行参数提取，并通过线-线去嵌入技术消除测量中的寄生效应。实验结果与基于Maxwell-Garnett和Polder-Van Santen有效介质模型的预测结果进行了比较，显示出理论与实验之间的一致性。本研究强调了精确的实验程序和先进的建模技术在理解MD复合材料的电磁行为方面的重要性，并为开发下一代微波组件提供了见解。