・Pythonの高周波用ライブラリ scikit-rfを使う
・Visual C#で数値計算ライブラリ Math.NET numericsを使う(Visual Basic版もあり)
・高周波エンジニアのためのAI・機械学習入門
・JavaScriptの数値計算ライブラリmath.jsを使う
・カシオの高精度計算サイトに投稿した自作式一覧
おまけ
円の弧長,弦長,矢高,半径のどれか2つを与えて残りを計算(改善版)
・Pythonの高周波用ライブラリ scikit-rfを使う
・Visual C#で数値計算ライブラリ Math.NET numericsを使う(Visual Basic版もあり)
・高周波エンジニアのためのAI・機械学習入門
・JavaScriptの数値計算ライブラリmath.jsを使う
・カシオの高精度計算サイトに投稿した自作式一覧
おまけ
円の弧長,弦長,矢高,半径のどれか2つを与えて残りを計算(改善版)
・6GWorldとKeysightのRFデジタルツイン解説とウェビナー
・Qualcomm がDragonwing Mobile Broadband Multimedia (MBM)発表
・Sony Xperia 1 VII分解動画
Sony Xperia 1 VII Disassembly Process | Full Teardown & Internal Components
・SiLabのSoCを使ったComminentのWi-SUNモジュールが500,000台出荷
Powered by Silicon Labs, Comminent Ships 500,000 Wi-SUN Modules
その他
ExcelのCopilotでPlanモードが使えるようになったのでまずはこれを試してみた。
次は時系列予測でも、と思って最近やってみたこれのデータを使って予測してもらおう。
指示を出して、
計画を立てた。
機械学習の手法、何が使えるか聞いてみた。
なるほど。ランダムフォレストを使ってもらおう。
お、次回はチョキと推定した。
でもCodex(勾配ブースティング)はパーと予測したんだった。さてどちらが当たる?
5/24の予測はパー。さてどうなるか(2週続けてチョキと予測で、実際には2週続けてグー)。 pic.twitter.com/CTg0frlG0l
— tomo (@tonagai) May 17, 2026
Microsoft 365 Copilot Chat(GPT-5.5 Think Deeper)でもやってもらった。アルゴリズムはscikit-learn の RandomForestClassifier、ExtraTreesClassifier、LogisticRegression を VotingClassifierで組み合わせ。
Streamlitを使ったアプリができて、予測はチョキ。
・ Analog DevicesがEmpower Semi.を買収
・SamsungとGoogleが協業でスマートグラス公開
・SEMCOがHi-Q 0201 MLCC, 車載Low-ESL MLCC発表、シリコンキャパシタは大口受注
・大連での3GPP WG会議
その他
Gemini 3.5 Flashが使えるようになっていた。
Antigravityも2.0にバージョンアップしていたので、いつもやっているポート数のTouchstoneフォーマットのSパラメータファイルを読み込み、dB, 位相, スミスチャート, TDRをプロット(ズームとマーカー機能付き)するアプリを作ってもらおう。
プロンプトはGPT-5.5やGemini 3.1 Proに与えたものと同じ。
Implementation Planがすぐできたが、Thinkingがもう爆速。文字が流れず一気に表示されるイメージ。
Walkthroughもすぐできた。一つバグ(ズームがリセットされない)があったが指摘するとすぐ直る。
表示画面。今まで使ったことのある生成AIの中では頭一つ抜き出た出来になっていると思う。
dB
位相
スミスチャート
TDR
・QorvoがWi-FiアクセスポイントにUWB機能追加
・TDKがエッジAI向けマイクロPOL電源モジュール拡充
・Rohmが車載SoC向け電源ソリューション発表
・MaxLinearがDOCSIC 3.1 VFI対応のPuma8発表
その他
Codexでも同じことをやったが、今度はAntigravityにやってもらおう。
プランを立ててもらい、
いろいろやりとりしてすぐにWalkthrough。
コードはこんな感じで、
例としてhtmlの簡単なアプリを作ってもらって動いた。
マニュアル。
ファイル一式。
ダウンロード - sparalibantigravitytypescript.zip
Codexよりかなり出来がいいのだが、これはCodexに出した指示がまずかったと思う。今回と同じプロンプトでもう一回やってみよう。
・Test and Measurement Forumが開催
https://www.testandmeasurementforum.com/page/5469953/register-now
・TechInsightsがApple Watch Series11 5Gを分解
https://www.techinsights.com/blog/apple-watch-series-11-5g
・ATISが5G通信のタイミングについてレポート
・KeysightのTDR解説記事
その他
DNN,CNNとやってきたので今回はRNNの一種であるLSTMでやってみよう。
コードはこちら。
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import os
os.environ["KERAS_BACKEND"] = "jax"
import keras
from jax import config
config.update("jax_enable_x64", False)
plt.rcParams['font.family'] = 'Noto Sans CJK JP'
data_label = np.load("tl_freq_data.npz")
data = data_label["data"]
label = data_label["label"]
x_train, x_test, y_train, y_test = train_test_split(data, label, test_size=0.3, random_state=0)
y_train_list = [y_train[:,:,1], y_train[:,:,2]]
y_test_list = [y_test[:,:,1], y_test[:,:,2]]
scaler_y = [StandardScaler() for _ in range(2)]
y_train_list_f = [None for _ in range(2)]
for i in range(2):
scaler_y[i] = StandardScaler()
y_train_list_f[i] = scaler_y[i].fit_transform(y_train_list[i])
inputs = keras.Input(shape=(200, 5))
x = keras.layers.LSTM(100, return_sequences=True)(inputs)
x = keras.layers.LSTM(100)(x)
outputs = [keras.layers.Dense(200)(x) for i in range(2)]
model = keras.Model(inputs=inputs, outputs=outputs)
model.compile(loss = 'mean_squared_error' ,optimizer=keras.optimizers.Adam())
batch_size = 64
epochs = 1000
keras.utils.set_random_seed(1)
history = model.fit(
x_train,
y_train_list_f,
batch_size=batch_size,
epochs=epochs,
validation_split=0.15,
)
y_pred_list_f = model.predict(x_test)
y_pred_list = [None for _ in range(2)]
for i in range(2):
y_pred_list[i] = scaler_y[i].inverse_transform(y_pred_list_f[i])
metric = keras.metrics.R2Score()
for idx in range(2):
print(f"R2 score for label {idx}:")
metric.update_state(y_test_list[idx], y_pred_list[idx])
result = metric.result()
print(result)
|
R2スコアはこちら。CNNと同等か。
R2 score for label 0:
0.9999878
R2 score for label 1:
0.9999979
代表例をやってみる。
かなりあっている。最大誤差をヒストグラムにしたもの。
ちょっとCNNより劣るかな(パラメータ調整してないので)。次はTransformerをやってみよう。
このレポートは、過去7日間におけるRF(高周波)およびワイヤレス分野の重要な進展をまとめたものである。主に6Gへの移行、5G-Advancedの定着、および半導体サプライチェーンにおける主要な変化に焦点を当てる。
評判がいいので気になって観てみた。面白かった!
あらすじは「イギリスののどかな田舎町。羊飼いのジョージは、愛する羊たちに囲まれながらひとりで暮らしている。彼は毎晩羊たちに探偵小説を読み聞かせているが、実は羊たちは物語を理解しており、その時間を楽しみにしていた。そんなある日、ジョージが死体となって発見される。羊たちはこれが事故だと信じようとせず、最も賢いリーダーのリリーを先頭に調査に乗り出す。手がかりを追ううちに、ジョージには巨額の遺産があったことが判明。愛するジョージの無念を晴らすべく、犯人捜しに奔走する羊たちだったが……。 」
というもの。人間とはしゃべれないし、3秒!で全て忘れられる羊の推理が面白過ぎる。登場人物も一癖も二癖もありそうな人ばかり(ちょっとまともそうなヒュー・ジャックマンが最初の方で殺されるのでよけいにそう思う)で誰が犯人でも驚かないが、真相はちゃんと伏線が張ってあるミステリだった。
もちろん笑えるシーン満載だが、思っていた以上に泣けるシーンもあり。そして仲間はずれにされている冬生まれの子羊がかわいすぎるし、とても重要な役目を果たすのもよかった。
これは誰にでもお勧めできるいい作品でした。
前回はサザエさんじゃんけん予測アプリをCodexで作ってもらった。
今回はいつものようにSパラメータ関連のライブラリ。任意ポートのTouchstoneフォーマットのファイルを読み込み、プロットしてもらおう。
まずは依頼して、
すぐにできたがプロットがSVGで描かれていた。もうちょっと綺麗に、と思ってPlotlyで描くように依頼。
テストも通して完成。
マニュアル。
dB表示。
スミスチャート。
できたファイルを置いておきます。
ダウンロード - sparalibtypescript.zip
次は何を作ってもらおうか。Julia言語版かな。
・GapwavesとAT&Sが車載レーダ用アンテナで協業
・QualcommがAgentic RANのウェビナー開催
https://pages.rcrtech.com/agentic-ran-management-webinar
・Qorvoが1.8GHz DOCSIC4.0向けアンプ発表
・GSAがミッドバンドスペクトラム、NTNのレポート発行
その他
«荒牧バラ公園(伊丹)→大井戸公園のバラ園(尼崎)→上坂部西公園のバラ園(尼崎)に行ってきた。
最近のコメント