تشهد التقنية الحديثة تقدمًا مذهلاً في مجال تحديد بصمات أجهزة الإرسال اللاسلكي (RF Transmitter Fingerprinting). فقد تم طرح نموذج جديد مبتكر يعرف باسم "الهاميلتونيان ترانسفورمر" (Hamiltonian Transformer)، الذي يعتمد على أسس فيزيائية متطورة.

تعمل هذه التقنية على تحديد أجهزة إرسال لاسلكية من خلال التعرف على العيوب الناتجة عن الأجهزة الموجودة في إشارات النطاق الأساسي. لكن التحدي الرئيسي يتمثل في أن نماذج التعلم العميق (Deep Learning) غالبًا ما تتدهور أداؤها عند تغيير توزيعات المستقبلين أو القنوات، خاصة مع زيادة عدد أجهزة الإرسال.

يتميز "الهاميلتونيان ترانسفورمر" باستخدام آلية انتباه مُخَصّصة تسعى للحفاظ على الديناميات القيمة داخل كل رأس انتباه. كما يتم دمج خطوة تكامل ستورمر-فيرلت (Störmer-Verlet) التي تسهل معالجة المعلومات الديناميكية للإشارات. كل التجارب النفسية اعتمدت على إشارات غير مُعَدلة من مجموعة بيانات WiSig، وتمت تحت أربعة بروتوكولات مختلفة.

أظهرت النتائج دقة تصل إلى 99.12% في ظروف نفس اليوم، ونسبة 61.64% عند التعامل مع 150 جهازًا من أجهزة الإرسال، متفوقة بشكل متسق على نماذج الشبكات العصبية التلافيفية (CNN) ونماذج الترنسفورمر التقليدية. كما أوضحت دراسة مفصلة حول العوامل المؤثرة أن الحفاظ على النمط خلال تحديث القيمة كان له تأثير كبير على المزايا المعززة للدقة.

ختامًا، تعزز هذه النتائج فكرة أن دمج المبادئ الفيزيائية في آليات الانتباه يمكن أن يكون وسيلة فعّالة لتحسين عملية تحديد الأجهزة في نطاقات واسعة من الإشارات اللاسلكية، مما يُعد إنجازًا تقنيًا بارزًا.