論文の概要: Radiation pattern prediction for Metasurfaces: A Neural Network based approach

• arxiv url: http://arxiv.org/abs/2007.08035v1
• Date: Wed, 15 Jul 2020 23:33:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 05:44:49.786339
• Title: Radiation pattern prediction for Metasurfaces: A Neural Network based approach
• Title（参考訳）: 準曲面の放射パターン予測:ニューラルネットワークによるアプローチ
• Authors: Hamidreza Taghvaee, Akshay Jain, Xavier Timoneda, Christos Liaskos, Sergi Abadal, Eduard Alarc\'on and Albert Cabellos-Aparicio
• Abstract要約: 本稿では,MSF応答の高速かつ高精度な評価を可能にするニューラルネットワークに基づく新しい手法を提案する。 上記の結果と方法論は、6Gネットワーク環境にデプロイされる数千のRISの設計、フォールトトレランス、メンテナンスにおいて特に重要である。
• 参考スコア（独自算出の注目度）: 7.425034008715922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the current standardization for the 5G networks nears completion, work towards understanding the potential technologies for the 6G wireless networks is already underway. One of these potential technologies for the 6G networks are Reconfigurable Intelligent Surfaces (RISs). They offer unprecedented degrees of freedom towards engineering the wireless channel, i.e., the ability to modify the characteristics of the channel whenever and however required. Nevertheless, such properties demand that the response of the associated metasurface (MSF) is well understood under all possible operational conditions. While an understanding of the radiation pattern characteristics can be obtained through either analytical models or full wave simulations, they suffer from inaccuracy under certain conditions and extremely high computational complexity, respectively. Hence, in this paper we propose a novel neural networks based approach that enables a fast and accurate characterization of the MSF response. We analyze multiple scenarios and demonstrate the capabilities and utility of the proposed methodology. Concretely, we show that this method is able to learn and predict the parameters governing the reflected wave radiation pattern with an accuracy of a full wave simulation (98.8%-99.8%) and the time and computational complexity of an analytical model. The aforementioned result and methodology will be of specific importance for the design, fault tolerance and maintenance of the thousands of RISs that will be deployed in the 6G network environment.
• Abstract（参考訳）: 5Gネットワークの現在の標準化が完成に近づいているため、6G無線ネットワークの潜在的な技術を理解するための作業はすでに進行中である。 6Gネットワークの潜在的な技術の一つは、再構成可能なインテリジェントサーフェス(RIS)である。 無線チャネルのエンジニアリングには前例のない自由度、すなわち、必要なときにいつでもチャンネルの特性を変更できる能力を提供する。 しかしながら、このような性質は、関連する準曲面(MSF)の応答が、あらゆる可能な操作条件下で十分に理解されていることを要求している。 放射パターン特性の理解は、解析モデルまたはフルウェーブシミュレーションによって得ることができるが、それぞれ特定の条件下での不正確さと非常に高い計算複雑性に悩まされている。 そこで本稿では,MSF応答の高速かつ正確な評価を可能にする,ニューラルネットワークに基づく新しい手法を提案する。 複数のシナリオを分析し,提案手法の有効性と有用性を実証する。 具体的には,全波シミュレーション(98.8%-99.8%)の精度と解析モデルの時間と計算複雑性を用いて,反射波放射パターンを規定するパラメータを学習し,予測することができることを示す。 上記の結果と方法論は、6Gネットワーク環境にデプロイされる数千のRISの設計、フォールトトレランス、メンテナンスにおいて特に重要である。

関連論文リスト

• Model-driven deep neural network for enhanced direction finding with commodity 5G gNodeB [30.94668439883861]
  現在の無線ネットワークは位置決め機能を実現するために純粋なモデル駆動技術に大きく依存している。 ここでは、空間スペクトルの画像回復タスクとして、方向探索または角度推定(AoA)問題を再構成する。 提案するMoD-DNNフレームワークは,有効スペクトルキャリブレーションと精度の高いAoA推定を可能にする。
  論文  参考訳（メタデータ） (2024-12-14T02:09:36Z)
• Enhanced Real-Time Threat Detection in 5G Networks: A Self-Attention RNN Autoencoder Approach for Spectral Intrusion Analysis [8.805162150763847]
  本稿では,自己認識機構とリカレントニューラルネットワーク(RNN)に基づくオートエンコーダを統合する実験モデルを提案する。 本手法は, 時系列解析, プロセス・イン・フェイズ, および二次(I/Q)サンプルを用いて, ジャミング攻撃の可能性を示す不規則性を同定する。 モデルアーキテクチャは自己アテンション層で拡張され、RNNオートエンコーダの機能を拡張する。
  論文  参考訳（メタデータ） (2024-11-05T07:01:15Z)
• EMWaveNet: Physically Explainable Neural Network Based on Electromagnetic Propagation for SAR Target Recognition [4.251056028888424]
  本研究では,複雑なSAR画像認識のための物理的に説明可能なフレームワークを提案する。 ネットワークアーキテクチャは完全にパラメータ化されており、すべての学習可能なパラメータには明確な物理的意味がある。 提案手法は, 強力な物理決定論理, 高い物理説明性, 堅牢性, および優れた de-aliasing 機能を有する。
  論文  参考訳（メタデータ） (2024-10-13T07:04:49Z)
• 5G NR PRACH Detection with Convolutional Neural Networks (CNN): Overcoming Cell Interference Challenges [0.0]
  畳み込みニューラルネットワーク(CNN)を用いた5Gニューラジオ(5G-NR)ネットワークにおける干渉検出の新しい手法を提案する。 我々のCNNベースのモデルは、様々な干渉シナリオの中で物理ランダムアクセスチャンネル(PRACH)のシーケンスを検出するように設計されている。 実験の結果,従来のPRACH検出手法よりも精度,精度,リコール,F1スコアが優れていた。
  論文  参考訳（メタデータ） (2024-08-21T14:33:43Z)
• Principled Architecture-aware Scaling of Hyperparameters [69.98414153320894]
  高品質のディープニューラルネットワークをトレーニングするには、非自明で高価なプロセスである適切なハイパーパラメータを選択する必要がある。 本研究では,ネットワークアーキテクチャにおける初期化と最大学習率の依存性を正確に評価する。 ネットワークランキングは、ベンチマークのトレーニングネットワークにより容易に変更可能であることを実証する。
  論文  参考訳（メタデータ） (2024-02-27T11:52:49Z)
• Reconfigurable Intelligent Surface-assisted Classification of Modulations using Deep Learning [0.0]
  本稿では,人工知能を用いたRIS支援ディジタル分類手法を提案する。 我々は、デジタル変調を分類するために畳み込みニューラルネットワークを訓練する。 提案手法の精度は特に低レベルのSNRにおいて顕著である。
  論文  参考訳（メタデータ） (2022-09-17T18:45:03Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
  再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。 無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。 本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
  論文  参考訳（メタデータ） (2022-04-28T09:26:14Z)
• Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
  そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。 推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。 提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
  論文  参考訳（メタデータ） (2021-07-27T06:57:56Z)
• Learning to Beamform in Heterogeneous Massive MIMO Networks [48.62625893368218]
  大規模マルチインプット多重出力(MIMO)ネットワークにおいて最適なビームフォーマを見つけることはよく知られている問題である。 本稿では,この問題に対処するための新しい深層学習に基づく論文アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-08T12:48:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。