D2D mm dalga iletişiminde derin öğrenme tabanlı tahminle kesinti olasılığı ve enerji tüketiminin minimize edilmesi

Telefonunuzun kısayolları neden önemli

İki yakın telefon, her şeyi uzak bir baz istasyonu üzerinden yönlendirmek yerine doğrudan birbirine konuştuğunda indirmeler daha hızlı olur ve piller daha uzun süre dayanır. Cihazlar arası iletişim adı verilen bu tür bir kısayol, büyük miktarda veri taşıyabilen milimetre dalga olarak bilinen çok yüksek radyo frekanslarında özellikle caziptir. Ancak bu bağlantılar kırılgandır: duvarlar, insanlar ve hatta hareketli nesneler sinyalleri kesebilir, ani bağlantı “kesintilerine” yol açabilir ve enerji israfına neden olabilir. Bu makale, doğadan ilham alan arama stratejileri ile beyin benzeri sinir ağlarının bir karışımının bu doğrudan bağlantıları hem daha güvenilir hem de daha enerji verimli hale getirebileceğini inceliyor.

Yakın cihazlar arasında doğrudan iletişim

Yaklaşan 5G ve 5G sonrası sistemlerde telefonlar, sensörler ve araçlar kısa mesafelerde giderek daha fazla doğrudan birbirleriyle konuşacak. Baz istasyonunu atlamak gecikmeyi azaltır, ağ tıkanıklığını hafifletir ve altyapının zarar gördüğü acil durumlarda hayati olabilir. Milimetre dalga bantları bu trafik için geniş spektrum sunar, ancak bir dezavantajı vardır: sinyaller hızla zayıflar, kolayca engellenir ve dalgalanan parazitten etkilenir. Mühendisler, bir bağlantının kullanılabilir kalite seviyesinin altına düşme riskini “kesinti olasılığı” olarak tanımlar. Aynı zamanda, iletim gücündeki her ek bit pil tüketir ve yoğun ağları ısıtır. Zorluk, kesinti olasılığını düşük tutarken her cihazın konuşmak için harcadığı enerjiyi de azaltmaktır.

Kalabalık bir kablosuz mahalleyi haritalamak

Yazarlar önce yoğun bir kablosuz sahnenin matematiksel bir tasvirini kuruyor. Baz istasyonları, sıradan hücresel kullanıcılar ve özel cihazlar arası çiftler, doğal olarak yakın cihaz kümeleri oluşturan gerçekçi uzamsal desenlere göre bir alana serpiştirilir. Bu düzen içinde kapsama alanını tanımlamanın üç yolunu incelerler: ayrıntılı konum ve kanal bilgisinin bilindiği “koherent” görünüm; yalnızca uzun dönem istatistiklerini kullanan “koherent olmayan” görünüm; ve bir grubun içinde üretilen parazite odaklanan “tek küme” görünümü. Her durum için, sinyal-gürültü ve parazit oranı gibi temel nicelikleri, bir bağlantının seçilen bir kalite eşik değerinin üzerinde kalma olasılığıyla ilişkilendiren formüller türetiyorlar. Bu formüller, optimizasyon ve öğrenme yöntemlerinin daha iyi güç ayarlarını arayabileceği oyun alanı görevi görüyor.

Flamingolar, geyikler ve darbelerden öğrenmek

Kesintileri azaltmak için makale, Flamingo Geyik Sürü Optimizasyonu (FEHO) adlı hibrit bir arama yöntemi tanıtıyor. Bu yöntem, beslenirken geniş bölgeleri keşfeden flamingoların ve sürü içindeki konumlarını ince ayar yapan geyiklerin iki hayvan davranışını taklit eder. Geniş kapsamlı keşif ile hassas yerel ayarlamayı harmanlayarak FEHO, bağlantıların kopma şansını ortak olarak en aza indiren tüm cihaz çiftleri için iletim güç seviyelerini arar. Paralel olarak yazarlar, enerji kullanımını ele almak için Derin Darbelli Sinir Ağı (DSNN) kullanıyor. Düzgün sinyallerle çalışmak yerine bu ağ bilgiyi, biyolojik nöronlara daha yakın olan patlamalar veya darbeler biçiminde işler. Zaman içinde kesinti örüntülerini gözlemler ve kapsamanın kabul edilebilir seviyede kalmasını sağlarken gereksiz iletimi azaltan akıllı bir güç eşiği öğrenir. Birlikte, FEHO aday güç ayarlarını önerir ve DSNN gerçek kanal koşullarını yansıtan uyarlanabilir eşikler sağlar.

Yeni yöntemi teste sokmak

Ekip, FEHO+DSNN adını verdikleri birleşik çerçeveyi iki yaygın kablosuz senaryo altında kapsamlı bilgisayar simülasyonlarıyla değerlendiriyor: belirgin bir görüş hattı olmayan, yoğun saçılmayı modelleyen Rayleigh kanalları ve baskın bir doğrudan yol içeren Rician kanalları. Kullanıcı sayısını ve sinyal-gürültü oranını yoğun kentsel dağılımları yansıtacak şekilde değiştiriyorlar. Diğer sürü temelli optimizatörler, öğrenme destekli güç kontrolü ve önbellekleme tabanlı şemalar dahil olmak üzere son tekniklerle karşılaştırıldığında yeni yaklaşım tutarlı şekilde daha hızlı yakınsıyor ve daha iyi ödünleşimler sunuyor. Birçok durumda, rakip yöntemlerle karşılaştırılabilir veya daha düşük bir kesinti olasılığını korurken ortalama iletim gücünü onlarca desibel azaltıyor ve canlı ağlarda gerçek zamanlı kullanım için yeterince kısa çıkarım süreleriyle bunu başarıyor.

Gelecek kablosuz sistemleri için ne anlama geliyor

Bir uzman olmayan için mesaj açık: bu çalışma, zekice algoritmaların yakın cihazların daha doğrudan, daha güvenilir ve daha az pil tüketimiyle iletişim kurmasına izin verebileceğini gösteriyor; bu, titrek milimetre dalga bantlarında bile geçerli. Hayvan sürü davranışlarından ilham alan bir arama stratejisini, darbeli olaylardan öğrenen bir sinir ağıyla birleştirerek yazarlar, bağlı kalmayı enerji tasarrufu ile dengeleyen bir sistem tasarlıyor. Sonuçları, gelecekte telefonların, sensörlerin ve hatta araçların maksimum gücü sürekli olarak yaymadan güçlü kısa menzilli bağlantıları sürdürebileceğini gösteriyor. Kablosuz ağlar daha yoğun ve karmaşık hale geldikçe, bu tür uyarlanabilir, enerji bilincine sahip stratejiler dijital iletişimlerimizi akıcı, hızlı ve sürdürülebilir tutmanın anahtarı olacak.

Atıf: Bilal, N.M., Velmurugan, T. Minimization of outage probability and energy consumption by deep learning-based prediction in D2D mm wave communication. Sci Rep 16, 9006 (2026). https://doi.org/10.1038/s41598-025-34846-y

Anahtar kelimeler: cihazlar arası iletişim, milimetre dalga ağları, kesinti olasılığı, enerji verimli kablosuz, derin darbeli sinir ağları