新框架优化非理想BD-RIS架构发现

研究人员开发了一个新颖的基于学习的框架，以解决非理想条件下超对角可重构智能表面（BD-RIS）设计的挑战。该框架称为LTTADF，采用架构生成器和性能优化器，共同发现平衡性能与电路复杂性的最优BD-RIS架构。所提出的方法有效地导航了庞大的架构空间，避免了局部最优，从而实现了近乎最优的解决方案。数值结果为部署非理想BD-RIS提供了见解，并考虑了关键的性能-电路复杂性权衡。 AI

影响 这项研究通过优化可重构智能表面的设计，有望带来更高效、更有效的无线通信系统。

排序理由 该集群包含一篇学术论文，详细介绍了用于优化BD-RIS架构发现的新框架。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

• BD-RIS
• Beyond Diagonal Reconfigurable Intelligent Surfaces With Mutual Coupling: Modeling and Optimization
• Binggui Zhou
• Learning-Based Architecture Discovery and Optimization
• Learning-Based Two-Tier Architecture Discovery Framework
• LTTADF
• RIS

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →