TimesFM 2.5(Googleの時系列予測基盤モデル。追加学習なしで予測する)をPythonで使ってSパラメータ（伝送線路、バンドパスフィルタ）の高周波部分を予測する。

今回は高周波で用いられるSパラメータの高周波部分が予測できるか見てみる。具体的には回路シミュレータで作った伝送線路とTDKさんの公開バンドパスフィルタデータで、高周波部分を切ってその部分を予測する。

コードはこんな感じで。

import torch

import numpy as np

import timesfm

import pandas as pd

import skrf as rf

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'Noto Sans CJK JP'

torch.set_float32_matmul_precision("high")

model = timesfm.TimesFM_2p5_200M_torch.from_pretrained("google/timesfm-2.5-200m-pytorch")

ntwk = rf.Network("TransmissionLine.s2p")

s = ntwk.s

f = ntwk.f

s11db = 10*np.log10(np.abs(s[:, 0, 0])**2)

s21db = 10*np.log10(np.abs(s[:, 1, 0])**2)

n = 200

s11dbtrain = s11db[:-n]

s21dbtrain = s21db[:-n]

model.compile(

    timesfm.ForecastConfig(

        max_context=3000,

        max_horizon=256,

        normalize_inputs=True,

        use_continuous_quantile_head=True,

        force_flip_invariance=True,

        infer_is_positive=True,

        fix_quantile_crossing=True,

    )

)

point_forecast, quantile_forecast = model.forecast(

    horizon=n,

    inputs=[

        s11dbtrain,

        s21dbtrain

    ],  

)

fig = plt.figure(figsize=(12, 4))

plt.subplot(1, 2, 1)

plt.plot(f, s11db, label="真値")

plt.plot(f[-n:], quantile_forecast[0, :, 0], label="予測値")

plt.fill_between(f[-n:], quantile_forecast[0, :, 1], quantile_forecast[0, :, 9], alpha=0.2, label="10-90 パーセンタイル")

plt.legend()

plt.xlabel("f[GHz]")

plt.ylabel("S11[dB]")

plt.title("S11 forecast")

plt.subplot(1, 2, 2)

plt.plot(f, s21db, label="真値")

plt.plot(f[-n:], quantile_forecast[1, :, 0], label="予測値")

plt.fill_between(f[-n:], quantile_forecast[1, :, 1], quantile_forecast[1, :, 9], alpha=0.2, label="10-90 パーセンタイル")

plt.legend()

plt.xlabel("f[GHz]")

plt.ylabel("S21[dB]")

plt.title("S21 forecast")

まずは伝送線路。

結構いい感じで予測できている。シミュレーション結果なので規則性が高いのでかな。

バンドパスフィルタ。

これは実測ベースなのでずれは大きいがまあまあという感じ。

とにかく何も学習しないでこれだけ使えたら使い道はあるかもしれない。