في عالم الاتصالات اللاسلكية، تعد أسطح الانعكاس الذكية القابلة لإعادة التهيئة (Reconfigurable Intelligent Surfaces - RIS) نقطة تحول مثيرة في تكنولوجيا الشبكات، حيث تتيح تصميم بيئات راديوية ذكية للموجات المليمترية (millimeter-wave - mmWave) من الجيل التالي. ومع ذلك، فإن التحديات الكبيرة في حساب المعلومات حول حالة القناة (Channel State Information - CSI) تتسبب في عرقلة التطبيقات العملية على نطاق واسع بسبب الأعباء الحسابية الثقيلة.
للتغلب على هذه العقبات، تم تقديم مفهوم جديد يعتمد على إشارات بدون CSI، مدعومًا بهيكلية التعلم المعزز متعدد الوكلاء (Hierarchical Multi-Agent Reinforcement Learning - HMARL) للتحكم في الأسطح الانعكاسية القابلة لإعادة التهيئة ميكانيكياً. هذا النظام يعوض تقدير القناة المعتمد على التجارب لكل عنصر من عناصر الجهاز باستخدام بيانات تحديد الموقع المتاحة للمستخدمين، مما يعزز من كفاءة إدارة انتشار الموجات بشكل عام.
تتكون مشكلة التحكم من هيكلين عصبيين: أحدهما يحكم القرارات على مستوى عالٍ لتحسين توزيع المستخدمين إلى النقاط الانعكاسية، بينما يقوم الآخر تحكم ذاتي لتحسين النقاط المستمرة باستخدام تقنية تحسين السياسات القريبة من السلوك (Multi-Agent Proximal Policy Optimization - MAPPO) ضمن مخطط التدريب المركزي مع تنفيذ لامركزي (Centralized Training with Decentralized Execution - CTDE).
أظهرت التقييمات القائمة على تتبع الأشعة أننا نستطيع تحقيق تحسين في مؤشر قوة الإشارة المستقبلة (Received Signal Strength Indicator - RSSI) يصل إلى 7.79 ديسيبل مقارنةً بالطرق التقليدية. بالإضافة إلى ذلك، أظهر النظام أداءً قوياً في تركيز الأشعة حتى مع أخطاء تتبع الموقع العملي للمستخدمين.
هذا البحث يمثل خطوة هامة نحو خلق بيئات لاسلكية داخلية ذكية ذات كفاءة عالية وكلفة منخفضة.
تكنولوجيا جديدة لضبط الإشارات اللاسلكية: ثورة في أسطح الانعكاس الذكية
تقدم الدراسة الجديدة نموذجاً مبتكراً لأجهزة الانعكاس القابلة لإعادة التهيئة، مما يحسن أداء الشبكات اللاسلكية. باستخدام تقنية التعلم المعزز، يتم تجاوز العقبات التي تعيق نشر هذه التكنولوجيا على نطاق واسع.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...