Joint Task Orchestration and Resource Optimization for SC3 Closed Loop in 6G Networks

إليك ملخص تقني مفصل للورقة البحثية بعنوان "التنسيق المشترك للمهام وتحسين الموارد لحلقات التحكم المغلقة SC3 في شبكات الجيل السادس (6G)."

١. بيان المشكلة

تتناول الورقة تحدي تحسين حلقات التحكم المغلقة القائمة على الاستشعار والاتصال والحوسبة والتحكم (SC3) في أنظمة التشغيل المستقلة المدعومة بشبكات الجيل السادس، وتحديداً في البيئات الخطرة (مثل عمليات الإنقاذ في الكوارث) حيث يستحيل التدخل البشري.

• التحدي الجوهري: في هذه السيناريوهات، يجب على مركز معلومات الحافة (EIH) تنسيق المستشعرات والمشغلات الموزعة لتشكيل "روبوتات" مستقلة (حلقات SC3). يواجه النظام مشكلة الاقتران المشترك بين المستشعر والمشغل وتخصيص الموارد.
• مشكلة الاقتران:
  • القرارات المنفصلة (Discrete Decisions): يجب على مركز (EIH) اختيار أي مستشعر سيزاوج مع أي مشغل (وهي مسألة توافقية/Combinatorial).
  • الموارد المستمرة (Continuous Resources): بمجرد إتمام عملية المزاوجة، يجب على النظام تخصيص موارد مستمرة: عرض النطاق الترددي للوصلات الصاعدة والهابطة، قدرة الإرسال، وتردد وحدة المعالجة المركزية (CPU).
  • الاعتماد المتبادل: يحدد اختيار المستشعر أحمال الاتصال والعمليات الحسابية للوصلة الصاعدة، بينما يحدد اختيار المشغل متطلبات الوصلة الهابطة وديناميكيات التحكم. هذه العوامل مترابطة بشدة؛ فالمزاوجة السيئة لا يمكن إصلاحها بتخصيص الموارد، والعكس صحيح.
• هدف التحسين: تقليل مجموع تكلفة المنظم التربيعي الخطي (LQR) عبر جميع حلقات SC3 البالغ عددها $K$. تقيس تكلفة LQR أداء التحكم (الانحراف عن الحالة وجهد التحكم)؛ وكلما انخفضت التكلفة، دل ذلك على استقرار وكفاءة أفضل.
• الصياغة الرياضية: تمت صياغة المشكلة كمسألة برمجة غير خطية ذات متغيرات صحيحة مختلطة (MINLP)، وهي مسألة من نوع NP-hard وتتطلب قدرات حسابية هائلة تجعل من الصعب حلها في الوقت الفعلي باستخدام طرق البحث الشامل التقليدية.

٢. المنهجية: إطار عمل LOAC

لحل مسألة MINLP المعقدة بكفاءة، يقترح المؤلفون إطار عمل التعلم-التحسين-المتكامل (Learning-Optimization-Integrated Actor-Critic - LOAC). يجمع هذا النهج الهجين بين الشبكات العصبية العميقة (DNN) للقرارات المنفصلة وبين التحسين المحدب (Convex Optimization) للمتغيرات المستمرة.

أ. نمذجة النظام

• حلقة SC3 المغلقة: تم نمذجتها كقوس منعكس بشري: المستشعر (العين) $\leftarrow$ مركز (EIH) (الدماغ) $\leftarrow$ المشغل (اليد).
• المقياس (CNER): قدم المؤلفون مقياس معدل الإنتروبيا للحلقة المغلقة (CNER)، وهو مقياس على مستوى الحلقة يوحد أداء الاستشعار، والاتصال، والحوسبة، والتحكم. ويمثل خفض الإنتروبيا للنظام المتحكم فيه لكل دورة.
• الهدف: تقليل تكلفة LQR مع مراعاة قيود CNER، لضمان استقرار النظام ($D^{SC3}_k > \log_2 |\det A_k|$).

ب. بنية LOAC

يتكون إطار العمل من وحدتين تتفاعلان مع بعضهما البعض:

1. وحدة الممثل (Actor Module) (القائمة على DNN):

   • المدخلات: السمات المشفرة للمستشعرات (الموقع، كسب القناة، حجم البيانات، الكثافة الحسابية) والمشغلات (الموقع، كسب القناة، ديناميكيات النظام).
   • الوظيفة: تقوم شبكة عصبية عميقة بتوليد مصفوفة احتمالات المزاوجة الخام ($Y_{raw}$).
   • المخرجات: يتم توليد حل مزاوجة صالح (واحد لواحد) بين المستشعر والمشغل (المصفوفة $A$) عبر خوارزمية اختيار تسلسلي (الخوارزمية 1) تحترم نطاقات الاستشعار وتستخدم ترتيباً عشوائياً للمشغلات لتجنب الانحياز.

2. وحدة الناقد (Critic Module) (القائمة على التحسين):

   • الوظيفة: بناءً على قرار المزاوجة المحدد من "الممثل"، تقوم وحدة "الناقد" بحل مسألة تخصيص الموارد المستمرة (تقليل تكلفة LQR عبر تحسين عرض النطاق الترددي، القدرة، وتردد الـ CPU).
   • التحدب (Convexity): أثبت المؤلفون أنه بمجرد تثبيت المزاوجة، تصبح مسألة تخصيص الموارد مسألة تحسين محدبة (النظرية 1)، مما يسمح بالحصول على حلول مثلى عالمياً وبكفاءة باستخدام الأدوات القياسية (مثل طرق النقطة الداخلية).
   • التغذية الراجعة: تحسب وحدة "الناقد" تكلفة LQR الناتجة ($L^*_i$) لهذه المزاوجة. تعمل هذه التكلفة كإشارة "مكافأة" أو تغذية راجعة دقيقة.

3. التفاعل والتدريب:

   • تختار وحدة "الناقد" أفضل حل مزاوجة من بين مجموعة من المرشحين الذين ولدهم "الممثل".
   • يتم تخزين هذا المزاوج الأمثل في ذاكرة التخزين المؤقت (Replay Buffer).
   • يتم تحديث شبكة DNN الخاصة بوحدة "الممثل" عبر التعلم الخاضع للإشراف (تقليل خسارة الإنتروبيا المتقاطعة - Cross-entropy loss) باستخدام قرارات "الناقد" المثلى كحقائق أرضية (Ground Truth).
   • تسمح هذه العملية التكرارية لشبكة DNN بتعلم الخريطة المعقدة بين حالات النظام والمزاوجات المثلى دون الحاجة لحل مسألة MINLP كاملة أثناء مرحلة الاستنتاج (Inference).

٣. المساهمات الرئيسية

1. التحسين على مستوى النظام لـ SC3: تقترح الورقة مخطط تحسين مشترك لمزاوجة المستشعر والمشغل وتخصيص الموارد، متجاوزة النهج التقليدي الذي يفترض تكوينات ثابتة للحلقات.
2. تقديم مقياس CNER: تم تعريف مقياس جديد (CNER) لتوحيد أداء وظائف SC3 المتباينة (الاستشعار، الاتصال، الحوسبة، التحكم) في مقياس واحد قائم على نظرية المعلومات.
3. إطار عمل LOAC: تطوير إطار عمل هجين (تعلم-تحسين) يحقق حلولاً قريبة من المثالية بتعقيد حسابي منخفض. إنه يسد الفجوة بفعالية بين سرعة الأساليب القائمة على التعلم وبين مثالية التحسين الرياضي.
4. الإثبات النظري: إثبات أن مسألة تخصيص الموارد الفرعية هي مسألة محدبة عند تثبيت المزاوجة، مما يضمن أن تقييمات وحدة "الناقد" هي مثالية عالمياً لأي مزاوجة معطاة.

٤. نتائج المحاكاة

قيم المؤلفون إطار عمل LOAC مقابل عدة معايير مرجعية في سيناريو إنقاذ كوارث (20 مستشعراً، 4 مشغلات، ومركز EIH محمول جواً من الجيل السادس):

• مقابل البحث الشامل (Exhaustive Search): يحقق LOAC تكاليف LQR قريبة من المثالية (تطابق أداء البحث الشامل) ولكن بتعقيد زمني حدودي (Polynomial-time)، بينما يعاني البحث الشامل من تعقيد عاملي (Factorial complexity)، مما يجعله غير قابل للتطبيق في الوقت الفعلي.
• مقابل المخططات القائمة على التحسين (الاسترخاء - Relaxation): تعاني الطرق التقليدية التي تقوم باسترخاء المتغيرات الصحيحة إلى متغيرات مستمرة ثم تستخدم التقريب (Rounding) من فقدان كبير في الأداء بسبب فقدان الاقتران الجوهري. يتفوق LOAC عليها من خلال الحفاظ على الطبيعة المنفصلة للمزاوجة.
• مقابل المزاوجة الاستدلالية (الأولوية للاتصال، الأولوية للحوسبة، CCA):
  • نظام الأولوية للاتصال يعمل جيداً في الأنظمة المحدودة بعرض النطاق الترددي، لكنه يفشل عندما تصبح الحوسبة هي عنق الزجاجة.
  • نظام الأولوية للحوسبة يعمل جيداً عندما يكون عرض النطاق الترددي وفيراً.
  • نظام LOAC يتكيف ديناميكياً، ويوازن تلقائياً بين قدرات الاتصال والحوسبة لمنع حدم الاختناقات، ويتفوق باستمرار على الاستراتيجيات الاستدلالية الثابتة.
• مقابل المخططات الموجهة للاتصال: المخططات التي تزيد معدل نقل البيانات الإجمالي أو الحد الأدنى للمعدل (دون اعتبار مباشر لتكلفة التحكم) تؤدي أداءً ضعيفاً. يقوم LOAC، من خلال التحسين المباشر لتكلفة LQR، بتقليل خطأ التحكم بشكل كبير.
• التقارب: تتقارب شبكة DNN بسرعة (خلال حوالي 1500 حقبة تدريبية) حتى في ظروف عرض النطاق الترددي القصوى، مما يثبت كفاءة آلية التغذية الراجعة لوحدة "الناقد".

٥. الأهمية والأثر

• تحول في النموذج (Paradigm Shift): تنقل الورقة التركيز من التحسين "المتمحور حول الشبكة" (تعظيم الإنتاجية) إلى التحسين "المتمحور حول المهمة" (تقليل تكلفة التحكم)، وهو أمر حيوي لأنظمة الجيل السادس المستقلة.
• القابلية للتطبيق في الوقت الفعلي: من خلال فصل المزاوجة التوافقية عن تخصيص الموارد المستمرة عبر إطار عمل LOAC، يصبح الحل قابلاً للتنفيذ حسابياً في البيئات الديناميكية والمتغيرة زمنياً مثل مناطق الكوارث.
• التصميم الشمولي: توضح الورقة أن التعامل مع حلقة SC3 ككيان متكامل (بدلاً من روابط منفصلة) أمر ضروري لتعظيم فائدة النظام. إن التكيف الثنائي الديناميكي بين متطلبات المهام وتوافر الموارد هو المفتاح لعمليات مستقلة قوية.

في الختام، يقدم هذا العمل إطار عمل قوياً، وقابلاً للتوسع، وذا أساس نظري لتنسيق الأنظمة المستقلة المدعومة بالجيل السادس، مما يضمن تخصيص موارد الاتصال والحوسبة المحدودة بدقة في الأماكن التي تشتد الحاجة إليها للحفاظ على حلقات تحكم مستقرة وفعالة.