論文の概要: Beyond-Diagonal RIS Under Non-Idealities: Learning-Based Architecture Discovery and Optimization

• arxiv url: http://arxiv.org/abs/2510.15701v1
• Date: Fri, 17 Oct 2025 14:46:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.661348
• Title: Beyond-Diagonal RIS Under Non-Idealities: Learning-Based Architecture Discovery and Optimization
• Title（参考訳）: 非イデアルな条件下での対角的RIS:学習に基づくアーキテクチャ発見と最適化
• Authors: Binggui Zhou, Bruno Clerckx,
• Abstract要約: 近年、電磁波の高度な制御を可能にするために、対角線外再構成可能なインテリジェントサーフェス(BD-RIS)が導入されている。 BD-RISの設計と展開において大きな問題は、その性能と回路の複雑さのトレードオフである。
• 参考スコア（独自算出の注目度）: 48.05413474540254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Beyond-diagonal reconfigurable intelligent surface (BD-RIS) has recently been introduced to enable advanced control over electromagnetic waves to further increase the benefits of traditional RIS in enhancing signal quality and improving spectral and energy efficiency for next-generation wireless networks. A significant issue in designing and deploying BD-RIS is the tradeoff between its performance and circuit complexity. Despite some efforts in exploring optimal architectures with the lowest circuit complexities for ideal BD-RIS, architecture discovery for non-ideal BD-RIS remains uninvestigated. Therefore, how non-idealities and circuit complexity jointly affect the performance of BD-RIS remains unclear, making it difficult to achieve the performance - circuit complexity tradeoff in the presence of non-idealities. Essentially, architecture discovery for non-ideal BD-RIS faces challenges from both the computational complexity of global architecture search and the difficulty in achieving global optima. To tackle these challenges, we propose a learning-based two-tier architecture discovery framework (LTTADF) consisting of an architecture generator and a performance optimizer to jointly discover optimal architectures of non-ideal BD-RIS given specific circuit complexities, which can effectively explore over a large architecture space while avoiding getting trapped in poor local optima and thus achieving near-optimal solutions for the performance optimization. Numerical results provide valuable insights for deploying non-ideal BD-RIS considering the performance - circuit complexity tradeoff.
• Abstract（参考訳）: 近年,信号品質の向上と次世代無線ネットワークのスペクトル・エネルギー効率の向上において,従来のRISのメリットをさらに高めるために,電磁波の高度な制御を可能にするために,対角方向再構成可能なインテリジェントサーフェス (BD-RIS) が導入されている。 BD-RISの設計と展開において大きな問題は、その性能と回路の複雑さのトレードオフである。 理想的BD-RISの回路複雑度が最も低い最適アーキテクチャを探索する試みはいくつかあるが、非理想的BD-RISのアーキテクチャ発見はいまだ検討されていない。 したがって、非イデアル性や回路複雑性がBD-RISの性能にどう影響するかは不明であり、非イデアル性の存在下での回路複雑性のトレードオフを実現することは困難である。 本質的には、非理想的BD-RISのアーキテクチャ発見は、グローバルアーキテクチャサーチの計算複雑性と、グローバル最適化の達成の難しさの両方から課題に直面している。 これらの課題に対処するために,アーキテクチャジェネレータと性能最適化器を組み合わせた学習型2層アーキテクチャ発見フレームワーク(LTTADF)を提案する。 性能-回路複雑性のトレードオフを考慮した非理想的BD-RISのデプロイには,数値的な結果が有用である。

関連論文リスト

• Multi-Functional RIS-Enabled in SAGIN for IoT: A Hybrid Deep Reinforcement Learning Approach with Compressed Twin-Models [4.02185297590683]
  宇宙空間におけるモノのインターネットのための統合ネットワーク(SAGIN)について検討した。 MF-RISは同時に無線エネルギーを増幅し、回収することができる。
  論文  参考訳（メタデータ） (2025-07-22T03:40:56Z)
• A Heuristic-Integrated DRL Approach for Phase Optimization in Large-Scale RISs [4.209737625992893]
  大規模な再構成可能な知的表面(RIS)における離散位相シフトの最適化は、非線形の性質のため困難である。 本稿では,深層ネットワークQGA(DDQ)における複数ステップの動作をRIS列制御に活用する,深層学習強化(DRL)フレームワークを提案する。 提案手法は、小さなDRLアクション空間内でのRIS最適化を効果的に処理し、大規模なRISを最適化する能力を示す。
  論文  参考訳（メタデータ） (2025-05-07T13:34:12Z)
• Efficient Architecture Search via Bi-level Data Pruning [70.29970746807882]
  この研究は、DARTSの双方向最適化におけるデータセット特性の重要な役割を探求する先駆者となった。 我々は、スーパーネット予測力学を計量として活用する新しいプログレッシブデータプルーニング戦略を導入する。 NAS-Bench-201サーチスペース、DARTSサーチスペース、MobileNetのようなサーチスペースに関する総合的な評価は、BDPがサーチコストを50%以上削減することを検証する。
  論文  参考訳（メタデータ） (2023-12-21T02:48:44Z)
• 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)
• iDARTS: Differentiable Architecture Search with Stochastic Implicit Gradients [75.41173109807735]
  微分可能なArchiTecture Search(DARTS)は先日,ニューラルアーキテクチャサーチ(NAS)の主流になった。 暗黙の関数定理に基づいてDARTSの過次計算に取り組む。 提案手法であるiDARTSのアーキテクチャ最適化は,定常点に収束することが期待される。
  論文  参考訳（メタデータ） (2021-06-21T00:44:11Z)
• Channel Estimation and Hybrid Architectures for RIS-Assisted Communications [6.677785070549226]
  再構成可能なインテリジェントサーフェス(ris)は、次期第6世代(6g)無線通信システムの潜在的な技術と考えられている。 1つまたは複数のRISをデプロイすることで得られる利点は、スペクトルとエネルギー効率の向上、接続性の向上、通信範囲の拡大、トランシーバーの複雑さの低減である。
  論文  参考訳（メタデータ） (2021-04-14T20:28:09Z)
• 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)

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。