הקצאת משאבים דינמית מונעת בינה מלאכותית למערכות ISAC ברשתות 6G: עיבוד קרניים חכם, ניהול הפרעות והקצאת כוח

רשתות אלחוטיות חכמות לחיי היומיום

רשתות 6G עתידיות לא רק יחברו את הטלפונים, המכוניות והמכשירים הביתיים שלנו — הן גם ישמשו כחיישנים מכווננים שיסרקו את הסביבה כל הזמן. מאמר זה חוקר כיצד בינה מלאכותית יכולה לסייע לרשתות דו־תכליתיות אלה להחליט באופן אוטומטי לאן לכוון את האותות, כמה כוח לשדר ואיך להימנע מהפרעות. המטרה היא להפוך את החיבורים האלחוטיים למהירים ואמינים יותר תוך מתן חישה מדויקת ליישומים כמו נהיגה אוטונומית, ערים חכמות ומעקב בטיחות.

רשת אחת לדיבור ולחישה

במקום לבנות מערכות נפרדות לתקשורת ולחישה בסגנון ראדר, חישה משולבת ותקשורת (ISAC) משלבת את שניהם בחומרה ובערוצי הרדיו האותם. תחנת בסיס אחת ב־6G משתמשת בהרבה אנטנות קטנות כדי לשדר אותות שנושאים גם נתונים למשתמשים וגם מתהפכים מן העצמים כדי לחשוף את מיקומם ותנועתם. הסידור המשותף הזה מבטיח שימוש יעיל יותר בספקטרום, עלויות נמוכות יותר ושירותים חדשים, אך גם יוצר מתחים: אותות המיועדים לתקשורת עלולים להפריע לחישה, ואותות חישה עלולים להפריע לשידור נתונים. בסביבות שמשתנות במהירות — מכוניות שנעות במהירות גבוהה, רחובות עירוניים צפופים או עומסי תנועה שמשתנים — הגדרות "סטטיות" ישנות כבר אינן מספיקות.

למה כללים קבועים אינם מספיקים

מערכות אלחוטיות מסורתיות לעתים מסתמכות על כללים מתוכננים מראש או על אופטימיזציה מתמטית כבדה שמניחה תנאים שמשתנים לאט וידע כמעט מושלם של הערוצים. ב־ISAC, תחנת הבסיס חייבת לאזן כל הזמן בין כיווני קרניים, רמות כוח ובחירת תדרים תוך טיפול בסוגי הפרעה שונים: הדות מאותותיה עצמה, התנגשויות בין משתמשים וצליל צולב בין קישורי חישה ותקשורת. פתרון משוואת האיזון הזו שוב ושוב באמצעות כלי מסורתיים איטי מדי ונוקשה מדי לתרחישי 6G אמיתיים, שבהם משתמשים נעים, הביקושים משתנים ודפוסי ההפרעות מתחלפים מרגע לרגע.

כיצד הבקר המונחה־בינה לומד להסתגל

המחברים מציעים בקר מונחה בינה המבוסס על למידת חיזוק עמוקה. הבקר עוקב ברציפות אחר מצב הרשת: עד כמה הערוצים טובים, כמה מהר המשתמשים נעים, כמה הפרעה קיימת, עד כמה נדרשת דיוק החישה וכמה כוח זמין. בכל רגע הוא בוחר פעולות — כיצד לעצב את הקרניים, כיצד לחלק כוח בין משתמשים ומשימות חישה וכיצד להקצות תדרים. אחרי כל החלטה המערכת מקבלת תגמול שמשקף כמה מטרות בו־זמנית: קצבי נתונים גבוהים יותר, דיוק חישה טוב יותר, צריכת אנרגיה נמוכה יותר ופחות הפרעות. לאורך אינטראקציות מדומות מרובות, הבינה מפתחת אסטרטגיות שמאזנות את המטרות הללו טוב יותר מעיצובים קבועים, וכאשר היא מאומנת ניתן להפעיל את המדיניות הנלמדת בזמן אמת במאמץ חישובי מתון.

ביצועים ברחובות עירוניים ושדות פתוחים

כדי לבדוק גישה זו, החוקרים מדמים שלוש סביבות 6G טיפוסיות: סביבה עירונית מהירה עם כלי רכב נעים במהירות גבוהה, עיר חכמה צפופה עם משתמשים מרובים צפופים ואזור כפרי שקט עם מעט מכשירים אך דרישות חישה גבוהות. בכל שלושת המקרים, המערכת המנוהלת על ידי בינה מניבה שיפורים ברורים. היא מעלה את קיבולת הנתונים הכוללת בעד כ־45% בהשוואה לאופטימיזציה קלאסית ובעד כ־50% מול תבניות קרניים סטטיות, במיוחד כאשר לתחנת הבסיס יש הרבה אנטנות או כוח שידור גבוה יותר. במקביל, היא מרוכזת יותר אנרגטית בכיווני החישה הרצויים, משפרת את תגובת הדפוס של הקרניים ומפחיתה את גבולות השגיאה התיאורטיים על מיקום המטרה, מה שמתורגם לחישה מדויקת יותר של עצמים וסביבה.

חיסכון באנרגיה והפחתת רעש איתות

היתרונות חורגים מהמהירות והדיוק. על ידי למידה של מתי והיכן הכוח אכן נדרש, השיטה המבוססת־בינה יכולה לשמר קצב נתונים נתון תוך קיצוץ בהספק השידור בכ־40% בהשוואה לפתרונות מסורתיים. היא גם לומדת לדכא סוגים שונים של הפרעה — הד־עצמי, התנגשויות בין משתמשים וצליל צולב בין חישה ותקשורת — בעד כ־50%. סביבת אות נקייה יותר משפרת הן את הקישורים האלחוטיים והן את ביצועי החישה, במיוחד בתנאים צפופים או משתנים במהירות. המחברים מנתחים גם את עלות המחשוב ומראים ששלב הלמידה הכבד יכול להתבצע אופליין, בעוד שההחלטות המקוונות מהירות מספיק כדי לעמוד בדרישות התזמון המחמירות של 6G.

מה משמעות הדבר עבור מערכות 6G עתידיות

לקורא כללי, המסקנה העיקרית היא שהמאמר מראה כיצד בינה מלאכותית יכולה לשמש כ"מגדל פיקוח" בזמן אמת לגלי הרדיו בתשתיות 6G עתידיות. במקום להסתמך על הגדרות קבועות, הרשת לומדת כיצד לנווט את הקרניים שלה, לחלוק כוח ולהימנע מהפרעה הדדית בין דיבור לחישה, הכל על הדרך. התוצאה היא מערכת אלחוטית גמישה יותר, חסכונית באנרגיה ומדויקת יותר, שיכולה לתמוך טוב יותר ברכבים אוטונומיים, מפעלים חכמים ויישומים קריטיים בעלי דרישות נתונים ובטיחות גבוהות. המחקר מצביע על כך שהקצאת משאבים מונחית בינה עשויה להוות טכנולוגיה מאפשרת מרכזית לפריסה מעשית של חישה משולבת ותקשורת ב־6G.

ציטוט: 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

מילות מפתח: תקשורת אלחוטית 6G, חישה משולבת ותקשורת, למידה חיזוק עמוקה, עיבוד קרינה (beamforming), ניהול הפרעות