تتزايد الحاجة لتصميم اتصالات موثوقة في شبكات إنترنت الأشياء (IoT) الكثيفة، حيث يلزم مواجهة تحديات مثل نقص الطيف اللاسلكي والتداخل الكبير بين المستخدمين. في هذه الدراسة، تم تقديم تصميم جديد يعتمد على التعلم العميق لتحسين الأداء في سيناريوهات اتصال محدود الطول، مع التركيز على الأوقات القصيرة والمتوسطة.

يستند هذا التصميم إلى إطار عمل Siamesenet لمودم متعدد المستخدمين، حيث تم توسيع نطاقه ليتناسب مع 2، 4، و8 مستخدمين في وقتٍ واحد. الهدف هو استغلال الاعتماد المتعلم لتقليل التداخل وزيادة مقاومة الضجيج. بالمقارنة مع طرق الوصول غير الأورثوغرافي التقليدية، فإن منهجنا يظهر أداءً متفوقاً في معدل الخطأ (Block Error Rate - BLER) عبر سيناريوهات متعددة دون الحاجة إلى الكشف المشترك، حيث يتوسع جهاز فك التشفير لكل مستخدم بشكل تقريبي مع عدد المستخدمين.

كما تم فحص متانة النظام تحت ظروف تداخل مختلطة وقوى تداخل غير متساوية، وهو ما يعدّ ضرورياً للنشر العملي مع الأجهزة المتنوعة. تحليل المساحة الكامنة يظهر أن مسافة الكود المتعلم تزداد مع انخفاض المعدل الفعال لكل مستخدم، مما يتوافق مع التحسينات المرصودة في BLER.

علاوة على ذلك، تقدم هذه الدراسة نتائج أولية لنموذج MIMO 2X2 تحت شروط قنوية ثابتة، مما يشير إلى إمكانية توسيع الإطار ليشمل بوابات IoT ذات الهوائيات المتعددة، مما يفتح الأفق نحو تطبيقات متعددة ومتطورة في المستقبل.