← नवीनतम पेपर
🔢 mathematics

Transformer-Based Hybrid Beamforming with Reconfigurable Pixel Antenna for HAPS Communications

यह शोध पत्र HAPS संचार के लिए PR-HBFNet नामक एक ट्रांसफॉर्मर-आधारित हाइब्रिड बीमफॉर्मिंग फ्रेमवर्क प्रस्तावित करता है, जो रेडिएशन पैटर्न को अनुकूलित करने के लिए एक ट्रांसफॉर्मर एनकोडर और प्रीकोडर्स की गणना करने के लिए मॉडल-ड्रिवन रेसिडुअल लर्निंग का उपयोग करता है, जिससे काफी कम कम्प्यूटेशनल जटिलता के साथ लगभग इष्टतम स्पेक्ट्रल दक्षता प्राप्त होती है।

मूल लेखक: Ruiqi Wang, Ziwei Wan, Keke Ying, Zhen Gao

प्रकाशित 2026-05-19
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Ruiqi Wang, Ziwei Wan, Keke Ying, Zhen Gao

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि पृथ्वी से लगभग 12 मील ऊपर समताप मंडल (stratosphere) में एक उच्च-तकनीकी एयरशिप तैर रहा है। यह एक HAPS (हाई-अल्टीट्यूड प्लेटफॉर्म स्टेशन) है, जो आकाश में एक सुपर-पावरफुल सेल टॉवर की तरह काम करता है। इसका काम जमीन पर मौजूद हजारों लोगों तक इंटरनेट और डेटा पहुँचाना है।

इसे प्रभावी ढंग से करने के लिए, एयरशिप एंटीना के एक विशाल समूह का उपयोग करता है। हालाँकि, एक समस्या है: एयरशिप के पास कितनी शक्ति और वजन ले जाने की सख्त सीमाएं हैं। यह उस महंगे और अधिक बिजली खपत वाले उपकरण का खर्च नहीं उठा सकता जिसकी आवश्यकता एक "पूर्णतः डिजिटल" प्रणाली के लिए होती, जहाँ प्रत्येक एंटीना का अपना समर्पित कंप्यूटर दिमाग होता है।

इसलिए, इंजीनियर एक "हाइब्रिड" दृष्टिकोण का उपयोग करते हैं: कुछ शक्तिशाली कंप्यूटर दिमाग (डिजिटल) कई सरल, पैसिव एंटीना (एनालॉग) को नियंत्रित करते हैं। लेकिन इसमें एक पेंच है: पारंपरिक एंटीना एक निश्चित बीम वाली टॉर्च की तरह होते हैं। एक बार जब आप उन्हें बना लेते हैं, तो उनके द्वारा डाली जाने वाली रोशनी का आकार स्थायी हो जाता है। यदि हवा एयरशिप को थोड़ा सा हिला देती है, या जमीन पर उपयोगकर्ता हिल जाते हैं, तो वह निश्चित बीम लक्ष्य को चूक सकती है या खाली स्थान में ऊर्जा बर्बाद कर सकती है।

नवाचार: "आकार बदलने वाले" एंटीना

यह शोध पत्र एक नए प्रकार के एंटीना का परिचय देता जिसे रीकॉन्फ़िगरेबल पिक्सेल एंटीना (RPA) कहा जाता है। इन पर विचार करें कि ये स्थिर टॉर्च नहीं हैं, बल्कि स्मार्ट, आकार बदलने वाली स्पॉटलाइट्स हैं।

प्रत्येक एंटीना के भीतर, छोटे इलेक्ट्रॉनिक स्विच (सूक्ष्म लाइट स्विच की तरह) होते हैं। इन स्विचों को विभिन्न संयोजनों में अलग-अलग ऑन और ऑफ करके, एंटीना तुरंत अपने सिग्नल बीम के आकार और दिशा को बदल सकता है। यह उपयोगकर्ताओं के स्थान के साथ सबसे अच्छा तालमेल बिठाने के लिए चार अलग-अलग बीम आकारों (पैटर्न) के "मेन्यू" में से किसी एक को चुन सकता है।

समस्या: बहुत सारे विकल्प

चुनौती यह है कि यदि आपके पास 32 ऐसे आकार बदलने वाले एंटीना हैं, और प्रत्येक 4 पैटर्न में से चुन सकता है, तो संभावित संयोजनों की संख्या खगोलीय है। पारंपरिक गणित का उपयोग करके आकारों और सिग्नल दिशाओं के सटीक संयोजन को खोजने की कोशिश करना, पहाड़ के आकार के ढेर में एक विशिष्ट सुई खोजने जैसा है। इसमें बहुत अधिक समय लगता है और इसके लिए बहुत अधिक कंप्यूटिंग शक्ति की आवश्यकता होती है, जो एयरशिप के पास नहीं है।

समाधान: "ट्रांसफॉर्मर" दिमाग

लेखक इस समस्या को तुरंत हल करने के लिए एक नया AI सिस्टम प्रस्तावित करते हैं जिसे PR-HBFNet (पैटर्न रीकॉन्फ़िगरेबल हाइब्रिड बीमफॉर्मिंग नेटवर्क) कहा जाता है। वे एक प्रकार के AI आर्किटेक्चर का उपयोग करते हैं जिसे ट्रांसफॉर्मर कहा जाता है (वही तकनीक जो उन्नत चैटबॉट्स और अनुवाद टूल के पीछे है)।

यहाँ उनका सिस्टम कैसे काम करता है, एक सरल उपमा का उपयोग करते हुए:

  1. द पैटर्न रीकॉन्फ़िगरेबल नेटवर्क (द "आंख"):
    कल्पना कीजिए कि एक स्काउट जमीन की ओर देख रहा है। AI का यह हिस्सा "चैनल स्टेट इंफॉर्मेशन" (रेडियो तरंगें कैसे यात्रा कर रही हैं, इसका एक मानचित्र) को देखता है। अनुमान लगाने के बजाय, ट्रांसफॉर्मर एक ही बार में पूरी तस्वीर का विश्लेषण करता है। यह तय करता है, "ठीक है, एंटीना 1 को पैटर्न A का उपयोग करना चाहिए, एंटीना 2 को पैटर्न B का उपयोग करना चाहिए," और इसी तरह। यह हर एक एंटीना के लिए सबसे अच्छा "आकार" चुनिता है। यह सब एक सेकंड के एक छोटे से हिस्से में होता है।

  2. द हाइब्रिड बीमफॉर्मिंग नेटवर्क (द "हाथ"):
    एक बार आकार चुन लिए जाने के बाद, AI का दूसरा हिस्सा एक कंडक्टर की तरह कार्य करता है। यह डिजिटल कंप्यूटरों से एनालॉग एंटीना तक जाने वाले सिग्नलों के वॉल्यूम और टाइमिंग को सूक्ष्म रूप से ठीक करता है।

  • ट्रिक: शुरुआत से शुरू करने के बजाय, यह AI एक "रेसिडुअल लर्निंग" रणनीति का उपयोग करता है। यह एक स्मार्ट अनुमान (जैसे एक मानक गणितीय सूत्र) से शुरू होता है और फिर इसे सटीक बनाने के लिए आवश्यक सूक्ष्म सुधारों को सीखने के लिए AI का उपयोग करता है। यह एक छात्र की तरह है जो बुनियादी गणित जानता है लेकिन एक कठिन परीक्षा के लिए विशेष शॉर्टकट सीखने के लिए ट्यूटर का उपयोग करता है।

परिणाम: तेज़ और सटीक

शोधकर्ताओं ने कंप्यूटर सिमुलेशन में अपने सिस्टम का परीक्षण किया:

  • प्रदर्शन: नया AI सिस्टम लगभग उसी तरह प्रदर्शन करता है जैसा कि "ग्रीडी" (Greedy) विधि करती है। "ग्रीडी" विधि एक अत्यंत धीमे, अत्यंत स्मार्ट रोबोट की तरह है जो पूर्णतः सर्वश्रेष्ठ संयोजन खोजने के लिए हर एक विकल्प को आज़माता है। नया AI उस पूर्ण स्कोर के 1.1% के भीतर रहा।
  • गति: यह सबसे बड़ी जीत है। "ग्रीडी" विधि को निर्णय लेने में 4 से 8 सेकंड लगते हैं। नया AI सिस्टम केवल 26 से 38 मिलीसेकंड (पलक झपकने से भी कम समय) में निर्णय ले लेता है।
  • दक्षता: यह इस गति को प्राप्त करने के लिए काफी कम कंप्यूटिंग शक्ति (गणितीय संचालन) का उपयोग करता है।

मुख्य निष्कर्ष

यह शोध पत्र दिखाता है कि आकार बदलने वाले एंटीना को एक स्मार्ट ट्रांसफॉर्मर AI के साथ जोड़कर, हम उच्च-ऊंचाई वाले इंटरनेट टावरों को बहुत अधिक कुशल बना सकते हैं। यह सिस्टम तुरंत अपने "फ्लैशलाइट्स" को जमीन पर उपयोगकर्ताओं का पीछा करने के लिए पुनर्गठित कर सकता है, जिससे भारी, अधिक बिजली खपत वाले उपकरणों की आवश्यकता के बिना तेज़ डेटा गति मिलती है। यह एक धीमी, जटिल गणितीय समस्या को एक तेज़, त्वरित निर्णय में बदल देता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🔢 math →