Квантово-вдохновлённый адаптивный имитационный отжиг для выбора антенн и совместной оптимизации в RIS-усиленных MIMO-NOMA системах

Почему умные радиоволны важны

По мере того как наши телефоны, датчики и умные устройства заполняют эфир, будущие сети 6G должны передавать гораздо больше данных, не расходуя при этом лишней энергии. В этой статье исследуется новый способ «формирования» радиоволн в пространстве с помощью программируемых поверхностей на стенах и продвинутых приёмно-передающих приёмников на базовой станции. Авторы также разрабатывают изящный алгоритм поиска, вдохновлённый идеями из квантовых вычислений и металлургии, чтобы одновременно согласовать все эти настройки и позволить сетям обслуживать многих пользователей быстрее и эффективнее.

Изгибание сигналов с помощью умных стен

Современные беспроводные системы уже используют множество антенн на базовой станции для одновременной передачи нескольких потоков данных — приём, известный как MIMO. Но производительность всё ещё падает, когда здания блокируют прямые пути, или когда оборудование становится слишком сложным и энергоёмким. Два новых инструмента обещают решить эти проблемы. Во‑первых, неоднородный множественный доступ (NOMA) позволяет нескольким пользователям разделять одно и то же время и частоту, разделяя их по уровню мощности, что повышает объём передаваемой информации через канал. Во‑вторых, перенастраиваемые интеллектуальные поверхности (RIS) — это тонкие панели из множества мелких отражающих элементов, чьи свойства можно электронно настраивать. Тщательно устанавливая их сдвиги фаз, RIS могут перенаправлять и усиливать беспроводные сигналы, фактически изменяя радиосреду вместо того, чтобы просто реагировать на неё.

Выбор правильных антенн, чтобы экономить энергию

Включать каждую антенну на большой базовой станции дорого — и по аппаратной части, и по расходу электроэнергии. В статье применяется отбор антенн: в каждый момент активен только поднабор передающих антенн, выбранных так, чтобы сохранить большинство рабочих характеристик при снижении затрат и энергопотребления. Задача заключается в том, чтобы решить, какие антенны использовать, как настроить элементы RIS и как распределить мощность между пользователями NOMA — и всё это одновременно. Эти решения тесно взаимосвязаны: изменение набора активных антенн влияет на оптимальную конфигурацию RIS, что в свою очередь определяет, как должна быть распределена мощность между пользователями, и наоборот. Получающаяся задача проектирования многомерна и изобилует локальными оптимумами, поэтому стандартные методы оптимизации часто застревают или требуют слишком большого времени для реалистичных крупномасштабных развертываний.

Квантово-вдохновлённый поиск по множеству вариантов

Чтобы справиться с этим, авторы предлагают схему Adaptive Quantum-inspired Simulated Annealing (AQSA). Классический имитационный отжиг подражает охлаждению раскалённого металла: на ранних стадиях он допускает принятие худших решений для широкого исследования пространства, затем по мере понижения «температуры» становится более избирательным и находит хорошее решение. AQSA обогащает эту идею двумя способами. Во‑первых, он заимствует из квантовых вычислений представление вариантов — например, включена ли антенна или выключена, или какую фазу должен принимать элемент поверхности — через амплитуды вероятностей, подобно суперпозиции состояний. Измерение таких состояний даёт конкретные конфигурации, а квантоподобные операции поворота постепенно смещают вероятности в сторону более эффективных вариантов. Во‑вторых, AQSA адаптирует своё температурное расписание на лету в зависимости от частоты принятия новых решений, поддерживая высокий уровень исследования, когда прогресс замедляется, и ускоряя сходимость, когда поиск последовательно улучшается.

Тестирование нового метода

Исследователи внедряют AQSA в цикл совместного проектирования, который многократно уточняет три компонента: распределение мощности между пользователями NOMA, выбор активных антенн базовой станции и фазовые паттерны на RIS. Они тестируют подход в подробных компьютерных симуляциях миллиметроволновой нисходящей линии около 28 ГГц, с десятками передающих антенн, множеством элементов RIS и несколькими пользователями. В широком диапазоне условий — разных мощностей передачи, отношений сигнал/шум, числа антенн и плиток RIS и числа пользователей — дизайн на основе AQSA последовательно достигает более высокой спектральной эффективности (больше бит в секунду на герц), чем конкурирующие эвристики, такие как стандартный имитационный отжиг, рой частиц и оптимизация «серый волк». Он также эффективнее превращает мощность в полезные данные, обеспечивая лучшую энергетическую эффективность при реалистичном вычислительном времени для больших систем.

Баланс покрытия, справедливости и сложности

Помимо основных показателей пропускной способности, исследование показывает, что системы с поддержкой RIS, настроенные с помощью AQSA, могут усиливать сигнал у пользователей и лучше выравнивать производительность между ними, особенно при увеличении числа антенн или элементов RIS. Алгоритм более полно использует дополнительные «степени свободы» больших массивов по сравнению с конкурирующими методами, при этом ограничивая число фактически включённых антенн и избегая чрезмерных аппаратных затрат. Авторы также исследуют, как различные порядки декодирования в NOMA влияют на производительность, и подтверждают, что тщательно выбранные порядки в сочетании с AQSA ещё больше повышают спектральную эффективность.

Что это значит для будущих сетей

Проще говоря, статья демонстрирует, что программирование радиосреды и применение умной адаптивной стратегии поиска для координации антенн базовой станции, интеллектуальных поверхностей и распределения мощности могут существенно повысить как скорость, так и энергосбережение в будущих беспроводных сетях. Вместо того чтобы полагаться на грубую силу аппаратного обеспечения или жёсткие схемы, AQSA направляет систему к близким к оптимальным настройкам с разумными затратами, даже при росте числа антенн, пользователей и элементов поверхности. Это указывает на то, что квантово-вдохновлённая оптимизация в сочетании с перенастраиваемыми поверхностями может быть практичным путём к плотным, энергоэффективным развертываниям 6G и Интернета вещей.

Цитирование: Farghaly, S.I., Dawood, H.S. & Fouda, H.S. Quantum-inspired adaptive simulated annealing for antenna selection and joint optimization in RIS-assisted MIMO-NOMA systems. Sci Rep 16, 13623 (2026). https://doi.org/10.1038/s41598-026-47710-4

Ключевые слова: перенастраиваемая интеллектуальная поверхность, MIMO NOMA, выбор антенн, квантово-вдохновлённая оптимизация, энергоэффективный 6G