Wie KI-gestützte RIS auf Hochplattformen die Energieeffizienz für IoT verbessert

In abgelegenen ländlichen Gebieten und Katastrophenzonen kämpfen Internet-of-Things-Geräte oft mit schwachen oder blockierten Verbindungen zu terrestrischen Basisstationen. Diese Lücke in der Konnektivität erschwert kritische Anwendungen wie Umweltmonitoring und Koordination von Notfallmaßnahmen erheblich. Forscher haben nun eine neuartige Architektur vorgestellt. Sie nutzt Hochplattform-Stationen, die mit passiven rekonfigurierbaren intelligenten Oberflächen ausgestattet sind. Diese Innovation schafft eine virtuelle Sichtverbindung zwischen bodengestützten IoT-Geräten und entfernten Basisstationen. Dadurch steigt die Kommunikationszuverlässigkeit in bisher unterversorgten Regionen.

Die eigentliche Herausforderung besteht darin, die Energieeffizienz zu optimieren. Herkömmliche Methoden zur Einstellung der Phasenverschiebungen von RIS sind rechenintensiv und kombinatorisch komplex. Das macht eine Echtzeit-Anpassung an dynamische Funkkanäle schwierig. Die vorgeschlagene Lösung fasst die Auswahl der Phasenverschiebung als einen einzigen Schritt eines Markov-Entscheidungsprozesses auf. Dies wird spezifisch als kontextuelles Banditenproblem modelliert. Durch den Einsatz eines Deep-Q-Network-ähnlichen Schätzers für Aktionswerte kann das System nahezu optimale Phasenverschiebungs-Codewörter direkt aus Kanalzustandsbeobachtungen vorhersagen. Dieser Ansatz eliminiert die Notwendigkeit für erschöpfende Online-Suchen. Er ermöglicht schnelle Entscheidungen bei festen Rechenkosten.

Simulationen belegen die Wirksamkeit dieses KI-gesteuerten Ansatzes. Das DQN-Modell konvergiert innerhalb weniger tausend Trainingsdurchläufe. Es erreicht dabei Energieeffizienzniveaus, die nur zehn Prozent unter der optimalen Lösung mit erschöpfender Suche liegen. Noch wichtiger ist jedoch, dass es die Energieeffizienz um mehr als 150 Prozent im Vergleich zu festen Phasen-RIS-Basislinien verbessert. Im Gegensatz zu traditionellen Methoden, deren Suchkosten von der Codebookgröße abhängen, liefert die neuronale Netzwerkinferenz unabhängig von der Komplexität konsistente Leistung. Dieser Durchbruch verlängert nicht nur die Akkulaufzeit von IoT-Geräten. Er sorgt auch für robuste Konnektivität in Gebieten, die zuvor als von der Standard-Telekommunikationsinfrastruktur unterversorgt galten. Während die globalen Bemühungen zur Überbrückung der digitalen Kluft intensivieren, bieten Technologien wie HAPS-unterstütztes RIS einen skalierbaren und energieeffizienten Weg zu einer universellen IoT-Abdeckung.