Beyond-Diagonal RIS Under Non-Idealities: Learning-Based Architecture Discovery and Optimization
Author
- Haebom
Category
Empty
저자
Binggui Zhou, Bruno Clerckx
💡 개요
본 논문은 차세대 무선 통신에서 성능 향상을 목표로 하는 BD-RIS(Beyond-Diagonal Reconfigurable Intelligent Surface) 설계 시 발생하는 성능과 회로 복잡성 간의 절충 문제를 해결하고자 합니다. 특히, 현실 세계의 비이상적인(non-ideal) BD-RIS 환경에서 회로 복잡성과 비이상성이 성능에 미치는 영향을 분석하고, 이를 위한 새로운 학습 기반의 2단계 아키텍처 탐색 프레임워크(LTTADF)를 제안합니다. 제안된 방법론은 대규모 아키텍처 공간을 효율적으로 탐색하여 비이상적인 BD-RIS의 성능-회로 복잡성 절충에 대한 최적에 가까운 해를 도출합니다.
🔑 시사점 및 한계
•
비이상적인 BD-RIS 환경에서의 성능-회로 복잡성 절충에 대한 이해를 높이고, 이를 효과적으로 관리할 수 있는 학습 기반의 아키텍처 설계 방법론을 제시합니다.
•
제안된 LTTADF는 복잡한 아키텍처 탐색 공간에서 전역 최적점(global optima)을 효율적으로 찾지 못하는 기존 방법론의 한계를 극복합니다.
•
제안된 프레임워크의 성능은 특정 비이상성 모델 및 회로 복잡성 제약 조건에 따라 달라질 수 있으며, 실제 구현 시 추가적인 최적화 및 검증이 필요할 수 있습니다.
