В мире технологий продолжается активное развитие концепции цифровых двойников, и недавние исследования в этой области открывают новые горизонты. Команда ученых из Государственной ключевой лаборатории сетевых и коммутационных технологий Пекинского университета связи и технологий совместно с исследовательским институтом China Mobile представила инновационные решения для построения цифровых двойников каналов связи (DTC).
Основная проблема, с которой сталкиваются существующие методы, заключается в высокой размерности входных данных о среде, что затрудняет понимание взаимосвязей между окружающей средой и каналами связи. В своей работе, озаглавленной "Конструкция знаний о радиосреде, вдохновленная свойствами электромагнитных волн, и искусственный интеллект для верификации цифровых двойников каналов 6G", исследователи предложили три ключевых решения.
Первое — это метод унифицированного построения знаний о радиосреде (REK), который позволяет количественно оценивать вклад отражения, дифракции и блокировки, используя легко доступные трехмерные координаты или обновляемую в реальном времени информацию о местоположении. Это решение подходит для различных сценариев с разными уровнями блокировки.
Второе решение — схема определения эффективных рассеивателей на основе случайной геометрии. Она значительно снижает избыточность данных о среде, достигая точности выбора рассеивателей не менее 90% и уменьшая избыточность на 90%, 87% и 81% в условиях полной открытости, предстоящей блокировки и полной блокировки соответственно.
Третье решение — легковесный метод предсказания потерь по пути, использующий простую двухслойную сверточную нейронную сеть (CNN). Этот метод принимает спектр REK в качестве входных данных, снижает размерность входных данных и проясняет глубокие взаимосвязи между средой и каналами, требуя всего 4 мс времени на тестирование с ошибкой предсказания 0.3. Это значительно снижает сложность сети.
Проведенные испытания на наборе данных BUPTCMCC-DataAI-6G, который охватывает симуляционную сцену размером 646 м на 290 м с 7320 пользовательскими терминалами, показали, что предложенный метод REK улучшает точность предсказания на 29.4% и 27.5% по сравнению с методами, основанными на необработанных данных о местоположении и характеристиках окружающей среды соответственно, а также снижает временную сложность в пять раз по сравнению с методами генерации параметров каналов на основе трассировки лучей.
Эти достижения открывают новые возможности для развития 6G сетей и могут значительно улучшить качество связи в будущем.