Neue Grenzen in der Echtzeit-Rückstreuung und elektromagnetischen Bildgebung“

Die IEEE Transactions on Antennas and Propagation hat gerade eine bevorstehende Sonderausgabe angekündigt, die im November 2021 erscheinen wird Künstliche Intelligenz: Neue Grenzen in der Echtzeit-Umkehrstreuung und der elektromagnetischen Bildgebung herausgegeben von Manuel ARREBOLA, Maokun LI und Marco SALUCCI. Weitere Informationen und wichtige Termine finden Sie weiter unten. Besuchen Sie auch die Webseite zum Einreichungsverfahren.

Gastredakteure

ARRBOLA-HandbuchUniversität Oviedo, Spanien (arrebola@uniovi.es)
Maokun LITsinghua-Universität (maokunli@tsinghua.edu.cn)
Marco SALUCCIUniversität Trient (marco.salucci@unitn.it)

Gliederung

Komplexe Probleme in der physischen Welt zu verstehen und zu lösen ist ein intelligentes Unterfangen der Menschheit. Darüber hinaus verkörpert das Studium der künstlichen Intelligenz den Traum, Maschinen wie Menschen zu entwerfen. Die Forschung zu Deep-Learning-Techniken (DL) hat in vielen Anwendungsbereichen große Aufmerksamkeit erregt. Dank Big-Data-Technologie, massivem Parallelrechnen und schnellen Optimierungsalgorithmen hat DL die Leistung vieler Probleme unter anderem in den Bereichen Sprach- und Bildforschung, Energietransportnetze oder Bioelektromagnetik erheblich verbessert. Heutzutage entwickelt sich DL in der Antennen- und Ausbreitungsgemeinschaft schnell zu einem äußerst leistungsstarken Paradigma zur Lösung hochkomplexer elektromagnetischer inverser Streuung (IS) und Bildgebungsprobleme mit beispielloser Recheneffizienz, ohne die Genauigkeit und damit die Zuverlässigkeit zu beeinträchtigen. Tatsächlich ist DL eine vielversprechende Lösung für die Erzielung pixelgenauer Rekonstruktionen mit Echtzeit-Schätzleistung, eine wünschenswerte Funktion in vielen Anwendungen wie der biomedizinischen Bildgebung, der Inspektion von Kunstwerken und der Archäologie, der industriellen zerstörungsfreien Prüfung und Bewertung, der Bildgebung durch Wände und der Bildgebung unter der Oberfläche. Mit der Verbreitung von DL-Techniken kann eine verbesserte Lernfähigkeit es Maschinen ermöglichen, aus einer großen Menge physikalischer Daten zu „lernen“ und physikalische Gesetze unter bestimmten kontrollierten Randbedingungen zu „beherrschen“. Langfristig könnte eine Hybridisierung grundlegender physikalischer Prinzipien mit „Wissen“ aus Big Data zu vielen technischen Anwendungen führen, die früher aufgrund begrenzter Dateneinblicke und Rechenkapazitäten unmöglich waren. Dadurch können fortschrittlichere IS- und elektromagnetische Bildgebungstechniken mit verbesserter Genauigkeit, Robustheit und Recheneffizienz entwickelt werden. Ziel dieser Sonderausgabe ist es, über die jüngsten Fortschritte in der Theorie und den Anwendungen künstlicher Intelligenz und DL zu berichten, um elektromagnetische IS- und Bildgebungsprobleme in der Antennen- und Ausbreitungsforschung mit extrem schnellen und dennoch zuverlässigen Techniken zu lösen. Wir hoffen, mit dieser Sonderausgabe mehr Aufmerksamkeit und Forschungsanstrengungen in unserer Gesellschaft auf dieses aufstrebende multidisziplinäre Gebiet zu lenken und so zu einer Weiterentwicklung des Stands der Technik zu führen.