ثورة الشبكات السلكية: كيف تُعزز المركبات الجوية الذكية أداء 6G بتقنيات متقدمة!
تقديم نموذج معماري مبتكر يجمع بين المركبات الجوية الذكية والأسطح الذكية القابلة لإعادة التشكيل لتحسين الكفاءة في الشبكات المتكاملة. يهدف هذا البحث إلى تحقيق أقصى كفاءة للطاقة عبر تقنيات حديثة مثل التعلم العميق المُعزز.
في ظل الطلب المتزايد على نقل البيانات في شبكات الجيل السادس (6G)، تبرز حاجة ملحة لتطوير بنية تحتية قادرة على التعامل مع هذه التحديات. في هذا السياق، يطرح العلماء نموذجًا معماريًا مبتكرًا يجمع بين المركبات الجوية المستقلة (AAVs) والأسطح الذكية القابلة لإعادة التشكيل المتعددة الوظائف (MF-RISs)، المعروفة باسم AM-RIS، في إطار شبكات كاملة التكرار (FD) مدعومة بهوائيات سائلة (FA).
توفر AM-RIS وظائف هجينة تشمل انعكاس الإشارة، وتعزيزها، وجمع الطاقة، مما يسهم في تحسين التغطية وجودة الإشارة. كما تعزز تقنية الهوائيات السائلة من قدرة المحطات القاعدية (BS) على التكيف المكاني بدقة، مما يساعد في خفض التداخل الذاتي المتبقي (SI).
يستهدف الباحثون زيادة كفاءة الطاقة الشاملة عبر تحسين مشترك لعمليات الإرسال في النطاق السفلي (DL) في المحطة القاعدية، وقوة المستخدم في النطاق العلوي (UL)، وتكوين AM-RIS، ومواقع FA وAM-RIS. لمواجهة التعقيد الناتج عن تعدد الوظائف والمعلمات المتصلة والمنفصلة، تم تطوير إطار عمل مبتكر يُعرف بـ "التعلم العميق المُعزز الذاتي التكيف" (SOHRL)، والذي يدمج تقنيات الشبكات العميقة متعددة العملاء (DQN) وتحسين سياسة المعلومات متعددة العملاء (PPO) لمعالجة الأفعال المنفصلة والمستمرة على التوالي.
لزيادة التكيف الذاتي، تضاف تمثيل حالة مُوجه بالانتباه (attention-driven) وتحسين معلمات المستوى الميتا، مما يمكّن العملاء المتعددة من ضبط معلمات التعلم بشكل تلقائي. وأكدت نتائج المحاكاة فعالية الشبكات المدعومة بتقنية AM-RIS المعززة بتقنية SOHRL، حيث أظهرت النتائج تفوق SOHRL على المقاييس التقليدية التي تفتقر إلى آلية الانتباه.
علاوة على ذلك، أثبتت AM-RIS في الشبكات الكاملة التكرار أنها تحقق أعلى كفاءة للطاقة مقارنةً بشبكات نصف التكرار، والمصفوفات الهوائية الصلبة التقليدية، وجمع الطاقة الجزئية. وهذا يُبرز قدراتها كحل جذري للشبكات اللاسلكية التي تركز على كفاءة الطاقة.
توفر AM-RIS وظائف هجينة تشمل انعكاس الإشارة، وتعزيزها، وجمع الطاقة، مما يسهم في تحسين التغطية وجودة الإشارة. كما تعزز تقنية الهوائيات السائلة من قدرة المحطات القاعدية (BS) على التكيف المكاني بدقة، مما يساعد في خفض التداخل الذاتي المتبقي (SI).
يستهدف الباحثون زيادة كفاءة الطاقة الشاملة عبر تحسين مشترك لعمليات الإرسال في النطاق السفلي (DL) في المحطة القاعدية، وقوة المستخدم في النطاق العلوي (UL)، وتكوين AM-RIS، ومواقع FA وAM-RIS. لمواجهة التعقيد الناتج عن تعدد الوظائف والمعلمات المتصلة والمنفصلة، تم تطوير إطار عمل مبتكر يُعرف بـ "التعلم العميق المُعزز الذاتي التكيف" (SOHRL)، والذي يدمج تقنيات الشبكات العميقة متعددة العملاء (DQN) وتحسين سياسة المعلومات متعددة العملاء (PPO) لمعالجة الأفعال المنفصلة والمستمرة على التوالي.
لزيادة التكيف الذاتي، تضاف تمثيل حالة مُوجه بالانتباه (attention-driven) وتحسين معلمات المستوى الميتا، مما يمكّن العملاء المتعددة من ضبط معلمات التعلم بشكل تلقائي. وأكدت نتائج المحاكاة فعالية الشبكات المدعومة بتقنية AM-RIS المعززة بتقنية SOHRL، حيث أظهرت النتائج تفوق SOHRL على المقاييس التقليدية التي تفتقر إلى آلية الانتباه.
علاوة على ذلك، أثبتت AM-RIS في الشبكات الكاملة التكرار أنها تحقق أعلى كفاءة للطاقة مقارنةً بشبكات نصف التكرار، والمصفوفات الهوائية الصلبة التقليدية، وجمع الطاقة الجزئية. وهذا يُبرز قدراتها كحل جذري للشبكات اللاسلكية التي تركز على كفاءة الطاقة.
📰 أخبار ذات صلة
أبحاث
سيمنز تطلق نظام ذكاء اصطناعي مبتكر لتعزيز هندسة الأتمتة
أخبار الذكاء اليوميةمنذ 6 ساعة
أبحاث
استكشاف إمكانيات Phi-4-Mini: دليل متكامل لتنفيذ استدلالات الكود باستخدام تقنيات LoRA وRAG
مارك تيك بوستمنذ 15 ساعة
أبحاث
أسرار تطوير كودكس: شراكتنا مع عمالقة التكنولوجيا لنقل الذكاء الاصطناعي للقطاعات العالمية!
مدونة أوبن إيه آيمنذ 16 ساعة