Comment l’IA couplée aux surfaces intelligentes reconfigurables sur plateformes haute altitude améliore l’efficacité énergétique de l’IoT

Dans les zones rurales isolées et les régions sinistrées, les dispositifs IoT souffrent souvent de connexions faibles ou bloquées avec les stations de base terrestres. Ce manque de couverture crée des obstacles majeurs pour des applications critiques comme la surveillance environnementale ou la coordination des secours. Des chercheurs ont présenté une nouvelle architecture utilisant des stations de plateforme haute altitude (HAPS) équipées de surfaces intelligentes reconfigurables passives. Cette innovation établit un lien en ligne de visée virtuelle entre les appareils IoT au sol et les stations de base distantes. Elle renforce ainsi la fiabilité des communications dans les zones précédemment mal desservies.

Le défi principal réside dans l’optimisation de l’efficacité énergétique. Les méthodes traditionnelles pour configurer les déphasages des RIS sont coûteuses en calcul et combinatoires. Elles rendent difficile l’adaptation en temps réel aux canaux sans fil dynamiques. La solution proposée reformule le choix du déphasage des RIS comme un processus décisionnel markovien en une seule étape, modélisé spécifiquement comme un problème de bandit contextuel. En utilisant un estimateur de valeur d’action de type Deep Q-Network, le système peut prédire directement les codewords de déphasage quasi optimaux à partir des observations de l’état du canal. Cette approche élimine le besoin de recherches exhaustives en ligne. Elle permet des décisions rapides avec des coûts de calcul fixes.

Les simulations confirment l’efficacité de cette approche pilotée par l’IA. Le modèle DQN converge en quelques milliers d’épisodes d’entraînement. Il atteint un niveau d’efficacité énergétique proche de 10 % de celui de la solution optimale basée sur une recherche exhaustive. Plus important encore, il améliore l’efficacité énergétique de plus de 150 % par rapport aux bases de référence à déphasage fixe. Contrairement aux méthodes traditionnelles dont les coûts de recherche dépendent de la taille du codebook, l’inférence du réseau neuronal offre des performances constantes quelle que soit la complexité. Cette avancée prolonge non seulement la durée de vie des batteries des dispositifs IoT mais garantit aussi une connectivité robuste dans des zones autrefois considérées comme mal couvertes par les infrastructures télécoms standard. Alors que les efforts mondiaux s’intensifient pour réduire la fracture numérique, des technologies comme les RIS assistés par HAPS offrent une voie évolutive et économe en énergie vers une couverture universelle de l’IoT.