論文の概要: CHIMERA: Compressed Hybrid Intelligence for Twin-Model Enhanced Multi-Agent Deep Reinforcement Learning for Multi-Functional RIS-Assisted Space-Air-Ground Integrated Networks

• arxiv url: http://arxiv.org/abs/2507.16204v1
• Date: Tue, 22 Jul 2025 03:40:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:13.95342
• Title: CHIMERA: Compressed Hybrid Intelligence for Twin-Model Enhanced Multi-Agent Deep Reinforcement Learning for Multi-Functional RIS-Assisted Space-Air-Ground Integrated Networks
• Title（参考訳）: CHIMERA:マルチファンクションRIS支援宇宙空間統合ネットワークのための双モデル強化多エージェント深層強化学習のための圧縮ハイブリッドインテリジェンス
• Authors: Li-Hsiang Shen, Jyun-Jhe Huang,
• Abstract要約: マルチファンクショナル再構成可能なインテリジェントサーフェス(MF-RIS)を用いて,空間空地ネットワーク(SAGIN)アーキテクチャを提案する。 MF-RISは同時に増幅し、収穫し、無線エネルギーを供給できる。 CHIMERAスキームは従来のベンチマークよりも大幅に優れている。
• 参考スコア（独自算出の注目度）: 4.412170175171255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A space-air-ground integrated network (SAGIN) architecture is proposed, empowered by multi-functional reconfigurable intelligent surfaces (MF-RIS) capable of simultaneously reflecting, amplifying, and harvesting wireless energy. The MF-RIS plays a pivotal role in addressing the energy shortages of low-Earth orbit (LEO) satellites operating in shadowed regions, while explicitly accounting for both communication and computing energy consumption across the SAGIN nodes. To maximize the long-term energy efficiency (EE), we formulate a joint optimization problem over the MF-RIS parameters, including signal amplification, phase-shifts, energy harvesting ratio, and active element selection as well as the SAGIN parameters of beamforming vectors, high-altitude platform station (HAPS) deployment, user association, and computing capability. The formulated problem is highly non-convex and non-linear and contains mixed discrete-continuous parameters. To tackle this, we conceive a compressed hybrid intelligence for twin-model enhanced multi-agent deep reinforcement learning (CHIMERA) framework, which integrates semantic state-action compression and parametrized sharing under hybrid reinforcement learning to efficiently explore suitable complex actions. The simulation results have demonstrated that the proposed CHIMERA scheme substantially outperforms the conventional benchmarks, including fixed-configuration or non-harvesting MF-RIS, traditional RIS, and no-RIS cases, as well as centralized and multi-agent deep reinforcement learning baselines in terms of the highest EE. Moreover, the proposed SAGIN-MF-RIS architecture achieves superior EE performance due to its complementary coverage, offering notable advantages over either standalone satellite, aerial, or ground-only deployments.
• Abstract（参考訳）: 無線エネルギーを同時に反射、増幅、回収できる多機能再構成可能なインテリジェントサーフェス(MF-RIS)を用いて、宇宙空間統合ネットワーク(SAGIN)アーキテクチャを提案する。 MF-RISは、SAGINノード間の通信と計算エネルギー消費の両方を明示的に考慮しつつ、影の領域で動作する低地球軌道(LEO)衛星のエネルギー不足に対処する上で重要な役割を担っている。 長期エネルギー効率(EE)を最大化するために、信号増幅、位相シフト、エネルギー回収率、アクティブ要素選択、ビームフォーミングベクトルのSAGINパラメータ、高高度プラットフォームステーション(HAPS)展開、ユーザアソシエーション、計算能力などのMF-RISパラメータに対する共同最適化問題を定式化する。 定式化問題は非常に非凸かつ非線形であり、混合離散連続パラメータを含む。 そこで我々は,2モデル強化多エージェント深層強化学習(CHIMERA)フレームワークのための圧縮ハイブリッドインテリジェンスを考案した。 シミュレーションの結果,CHIMERA方式は,固定構成や非ハーベスティング型MF-RIS,従来のRIS,No-RIS,集中型・マルチエージェント型深層強化学習ベースラインなど,従来のベンチマークよりも大幅に優れていた。 さらに、提案されたSAGIN-MF-RISアーキテクチャは、補完的なカバレッジのため、スタンドアロンの衛星、空中、地上のみの配備に対して顕著な利点があるため、優れたEE性能を実現している。

関連論文リスト

• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Resource Allocation for RIS-Assisted CoMP-NOMA Networks using Reinforcement Learning [8.13094889619588]
  この論文は、STAR-RIS、CoMP、NOMAの3つの変換技術の相乗的統合を探求する。 この研究は、データレートの増大、スペクトル効率の向上、進化途上の6G開発環境のカバー範囲の拡大などにより、これらの技術が将来の無線ネットワークに革命をもたらす可能性を調査する。
  論文  参考訳（メタデータ） (2025-04-01T17:14:01Z)
• Federated Deep Reinforcement Learning for Energy Efficient Multi-Functional RIS-Assisted Low-Earth Orbit Networks [14.638758375246642]
  低地球軌道(LEO)に多機能再構成可能な知的表面(MF-RIS)を配置する新しいネットワークアーキテクチャを提案する。 信号反射のみを持つ従来のRISとは異なり、MF-RISは信号の反射、増幅、収穫を行うことができる。 提案するLEO-MF-RISアーキテクチャの有効性を示す。
  論文  参考訳（メタデータ） (2025-01-19T15:31:05Z)
• Energy Efficiency Optimization for Subterranean LoRaWAN Using A Reinforcement Learning Approach: A Direct-to-Satellite Scenario [5.218556747366303]
  地下のLoRaWANと非地球ネットワーク(NTN)の統合は、経済的および社会的利益をもたらす。 Co-SF干渉を最小限に抑えるために、準直交拡散因子(SF)をエンドデバイスに効果的に割り当てることは依然として困難である。 システムのエネルギー効率を最適化するための強化学習(RL)に基づくSF割当方式を提案する。
  論文  参考訳（メタデータ） (2023-11-03T06:33:56Z)
• Lyapunov-Driven Deep Reinforcement Learning for Edge Inference Empowered by Reconfigurable Intelligent Surfaces [30.1512069754603]
  本稿では,ワイヤレスエッジにおけるエネルギー効率,低レイテンシ,高精度な推論のための新しいアルゴリズムを提案する。 本稿では,新しいデータを一連のデバイスで連続的に生成・収集し,動的キューシステムを通じて処理するシナリオについて考察する。
  論文  参考訳（メタデータ） (2023-05-18T12:46:42Z)
• 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)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Energy-Efficient Design for a NOMA assisted STAR-RIS Network with Deep Reinforcement Learning [78.50920340621677]
  同時送信・再構成可能なインテリジェントサーフェス(STAR-RIS)は、無線ネットワークの性能を高めるための有望な補助装置であると考えられている。 本稿では,非直交多重アクセス(NOMA)ネットワークにおけるエネルギー効率(EE)問題について検討する。 基地局の送信ビームフォーミングベクトルとSTAR-RISの勾配行列を協調的に最適化することにより,EEを最大化する。
  論文  参考訳（メタデータ） (2021-11-30T15:01:19Z)
• Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
  RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
  論文  参考訳（メタデータ） (2020-10-09T05:35:27Z)
• RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment and Passive Beamforming Design [116.88396201197533]
  再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。 エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。 リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。 RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-28T14:37:38Z)

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。