تخصيص موارد ديناميكي مدعوم بالذكاء الاصطناعي لأنظمة ISAC في شبكات الجيل السادس: توجيه شعاعات ذكي، إدارة التداخل، وتخصيص القدرة

شبكات لاسلكية أذكى لحياة يومية أفضل

لن تقتصر شبكات الجيل السادس المستقبلية على ربط هواتفنا وسياراتنا وأجهزتنا المنزلية فحسب—بل ستعمل أيضاً كمجسات دقيقة تفحص البيئة بشكل مستمر. تستعرض هذه الورقة كيف يمكن للذكاء الاصطناعي أن يساعد هذه الشبكات ذات الغرض المزدوج على اتخاذ قرارات تلقائية بشأن اتجاه إرسال الإشارات، وكمية الطاقة المستخدمة، وكيفية تجنب التداخل. الهدف هو جعل الاتصالات اللاسلكية أسرع وأكثر موثوقية مع تمكين استشعار دقيق لتطبيقات مثل القيادة الذاتية، المدن الذكية، ومراقبة السلامة.

شبكة واحدة للاتصال والاستشعار

بدلاً من بناء أنظمة منفصلة للاتصال والاستشعار الشبيه بالرادار، يدمج الاستشعار والاتصال المتكامل (ISAC) كلاهما في نفس الأجهزة وقنوات الراديو. يستخدم محطة قاعدة واحدة في الجيل السادس عدداً كبيراً من الهوائيات الصغيرة لإرسال إشارات تنقل البيانات للمستخدمين وتنعكس أيضاً عن الأجسام لتكشف مواقعها وحركتها. هذا التكوين المشترك يعد باستخدام أفضل للطيف وتكاليف أقل وخدمات جديدة، لكنه يخلق أيضاً تعارضات: الإشارات المخصصة للاتصال قد تعطل الاستشعار، وإشارات الاستشعار قد تتداخل مع نقل البيانات. في بيئات سريعة التغير—سيارات تسير بسرعات عالية، شوارع مدن مكتظة، أو أحمال حركة متقلبة—لم تعد الإعدادات الثابتة كافية.

لماذا القواعد الثابتة غير كافية

تعتمد الأنظمة اللاسلكية التقليدية غالباً على قواعد مصممة مسبقاً أو تحسينات رياضية مكثفة تفترض ظروفاً تتغير ببطء ومعرفة قنوات شبه كاملة. في ISAC، يجب على محطة القاعدة الموازنة باستمرار بين اتجاهات الحزم، مستويات الطاقة، وخيارات التردد مع التعامل مع عدة أنواع من التداخل: ارتدادات من إشاراتها الخاصة، اصطدامات بين مستخدمين مختلفين، وتداخل بين وصلات الاستشعار والاتصال. حل هذا التوازن مراراً وتكراراً بالأدوات التقليدية بطيء جداً وناشف للغاية بالنسبة لبيئات الجيل السادس الحقيقية، حيث يتحرك المستخدمون وتتغير الطلبات وأنماط التداخل من لحظة لأخرى.

كيف يتعلم المتحكم بالذكاء الاصطناعي التكيف

يقترح المؤلفون متحكماً مدفوعاً بالذكاء الاصطناعي يعتمد على التعلم المعزز العميق. يراقب المتحكم حالة الشبكة بشكل مستمر: جودة القنوات، سرعة حركة المستخدمين، كمية التداخل الحاضرة، مدى دقة الاستشعار المطلوبة، وكمية الطاقة المتاحة. في كل لحظة يختار إجراءات—كيفية تشكيل الحزم، كيفية تقاسم الطاقة بين المستخدمين ومهام الاستشعار، وكيفية تخصيص الترددات. بعد كل قرار، يتلقى النظام مكافأة تعكس عدة أهداف في آن واحد: معدلات بيانات أعلى، دقة استشعار أفضل، استخدام طاقة أقل، وتداخل أقل. عبر العديد من التفاعلات المحاكاة، يكتشف الذكاء الاصطناعي استراتيجيات توازن بين هذه الأهداف أفضل من التصاميم الثابتة، ومتى ما تم تدريبه يمكن تطبيق السياسة المتعلمة في الوقت الحقيقي بجهد حسابي متواضع.

الأداء في الشوارع الحضرية والحقول المفتوحة

لاختبار هذا النهج، يحاكي الباحثون ثلاث بيئات نموذجية للجيل السادس: بيئة حضرية عالية السرعة مع مركبات متحركة بسرعة، مدينة ذكية مكتظة بعدد كبير من المستخدمين المتقاربين، ومنطقة ريفية هادئة مع أجهزة قليلة لكن طلبات استشعار مرتفعة. عبر جميع هذه البيئات، يقدم النظام المتحكم عبر الذكاء الاصطناعي مكاسب واضحة. يزيد السعة الإجمالية لحمل البيانات بما يصل إلى نحو 45% مقارنة مع التحسين الكلاسيكي وبنحو 50% مقابل أنماط الحزم الثابتة، لا سيما عندما تمتلك محطة القاعدة عددًا كبيرًا من الهوائيات أو قدرة إرسال أعلى. وفي الوقت نفسه، يركز الطاقة بشكل أدق في اتجاهات الاستشعار المطلوبة، معززاً كسب نمط الحزمة وخافضاً الحدود النظرية لخطأ تحديد المواقع، ما يترجم إلى استشعار أدق للأجسام والمحيط.

توفير الطاقة وتقليل فوضى الإشارات

تتجاوز الفوائد السرعة والدقة. من خلال تعلم متى وأين تكون الطاقة مطلوبة فعلاً، تستطيع الطريقة المعتمدة على الذكاء الاصطناعي الحفاظ على معدل بيانات معين مع خفض قدرة الإرسال بنحو 40% مقارنة بالحلول التقليدية. كما تتعلم قمع أشكال مختلفة من التداخل—تداخُل الذات، اصطدامات المستخدمين ببعضهم، والتداخل بين الاستشعار والاتصال—بنسبة تصل إلى نحو 50%. يحسن هذا البيئة الإشارية الأنظف من وصلات اللاسلكي وأداء الاستشعار، لا سيما في ظروف الازدحام أو التغير السريع. يحلل المؤلفون كذلك تكلفة الحساب ويظهرون أن مرحلة التعلم المكثفة يمكن إجراؤها دون اتصال بالزمن الحقيقي، بينما تكون القرارات الفورية سريعة بما يكفي لمتطلبات توقيت الجيل السادس الصارمة.

ماذا يعني هذا لأنظمة الجيل السادس المستقبلية

للقارئ العام، الخلاصة الرئيسية أن الورقة توضح كيف يمكن للذكاء الاصطناعي أن يعمل كـ"مراقب حركة جوي" في الوقت الفعلي لموجات الراديو في بنية الجيل السادس المستقبلية. بدلاً من الاعتماد على إعدادات ثابتة، تتعلم الشبكة كيفية توجيه حزمها، تقاسم الطاقة، وتجنب الاضطراب المتبادل بين الاتصال والاستشعار، وكل ذلك آنيًا. النتيجة نظام لاسلكي أكثر مرونة ووعيًا بالطاقة ودقة يمكنه دعم السيارات ذاتية القيادة والمصانع الذكية وتطبيقات أخرى حساسة للبيانات والسلامة بكفاءة أكبر. تشير الدراسة إلى أن مثل هذا التخصيص الديناميكي للموارد المدفوع بالذكاء الاصطناعي قد يصبح تقنية تمكينية رئيسية لنشر عملي للاستشعار والاتصال المتكامل في شبكات الجيل السادس.

الاستشهاد: Aman, M., Rehman, G.U., Zubair, M. et al. AI-driven dynamic resource allocation for ISAC systems in 6G networks: intelligent beamforming, interference management, and power allocation. Sci Rep 16, 12613 (2026). https://doi.org/10.1038/s41598-026-42247-y

الكلمات المفتاحية: شبكات لاسلكية 6G, الاستشعار والاتصال المتكامل, التعلم المعزز العميق, توجيه الشعاع, إدارة التداخل