⚡ electrical engineering

Microwave Linear Analog Computer (MiLAC) for Simultaneous Active and Passive Beamforming

本論文は、送受信のための能動的ビームフォーミングと、再構成可能な知的な表面としての受動的ビームフォーミングを同時に実行するマイクロ波線形アナログコンピュータ（MiLAC）のための二機能フレームワークを提案し、最適な再構成戦略を提供するとともに、これら2つのモード間における基礎的な容量のトレードオフを特性化するものである。

原著者： Matteo Nerini, Bruno Clerckx

公開日 2026-06-01

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Matteo Nerini, Bruno Clerckx

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

想像してみてください。単にメッセージを叫ぶだけでなく、他人の会話を映し出す巨大で知的な鏡としても機能する、ハイテクな電波塔を。これが、この論文の考案した発明の核心である、2つの役割を同時にこなす**マイクロ波線形アナログコンピュータ（MiLAC）**です。

以下に、日常的な比喩を用いた、その仕組みの簡単な解説を記します。

1. 2つの役割：「メガホン」と「鏡」

通常の通信機器は、どちらかの役割を選ばなければなりません。

役割A（能動的ビームフォーミング）： これはメガホンのように機能します。自身のコンピュータからのメッセージを受け取り、増幅して、特定のユーザー（例えばユーザー1）に向けて直接叫びます。
役割B（受動的ビームフォーミング）： これはスマートな鏡のように機能します。自分自身のメッセージを生成するのではなく、誰か（ユーザー1）から跳ね返ってきた信号を受け取り、それを別の人（ユーザー2）に向かって反射させることで、その会話を助けます。

革新性： この論文が提案しているのは、これら両方を同時に行うことができるデバイスです。ユーザー1にメッセージを叫びながら、同時にユーザー1がユーザー2と話すのを助けるための「鏡」としても機能することができるのです。

2. 問題点：「綱引き」

この論文では、このデバイスが非常に特殊で「完璧な」物理特性（損失がなく、相反性がある）を備えていることが説明されています。このデバイスを、完璧にバランスの取れたシーソーだと考えてみてください。

もし、「メガホン」としての役割を最大限に強く（能動的な伝送レートを最大化）しようとして片側を強く押し下げると、「鏡」側の反対側が上がり、うまく機能しなくなります。
もし、「鏡」としての役割を完璧にし、ユーザー1の信号をユーザー2へ完璧に反射させようとして反対側を強く押し下げると、「メガホン」側の性能が落ちてしまいます。

両方の役割を同時に「絶対的な最大性能」にすることはできません。トレードオフが存在するのです。もしデバイスを100%のメガホンにしようとすれば、それは0%の鏡になりますし、その逆もまた同様です。

3. 解決策：「スイートスポット」の発見

研究者たちは、このシーソーのバランスをどのように取るべきかを解明しました。彼らは、2つの極端な状態の間をスライドさせてくれる「ダイヤル」（数学的にはパラメータ $t$ と呼ばれるもの）を導入しました。

ダイヤルを左に回し切ると： デバイスは純粋なメガホンになります。
ダイヤルを右に回し切ると： デバイスは純粋な鏡になります。
ダイヤルを真ん中に合わせると： デバイスはエネルギーを分割します。つまり、メッセージを叫ぶと同時に信号を反射しますが、どちらの性能も絶対的な最大値には達しません。

論文では、この完璧な中間地点を見つけることで、システムを流れる総データ量を最大化できることが証明されています。これは、叫ぶことと鏡になることに時間を50対50で分ける方が、どちらか一方を完璧に行おうとするよりも、結果としてより多くの人々を通信させる上で役立つということに気づくようなものです。

4. 「容量領域」マップ

著者たちは、得られるパフォーマンスのあらゆる組み合わせを示す「マップ」（容量領域と呼ばれます）を描きました。

グラフ上の曲線を描いてみましょう。左上隅が「全メガホン」、右下隅が「全鏡」です。
これらをつなぐ曲線は、あらゆる可能な混合状態を示しています。
論文では、総速度（両方の仕事の合計）が最も高くなる、曲線上の正確な地点を見つけるためのレシピを提供しています。

5. なぜこれが重要なのか（論文による説明）

この論文は、この「デュアルファンクション（二機能）」アプローチを用いることで、単にこれら2つの役割を切り替えたり、あるいは片方だけを行ったりする場合と比較して、2倍のデータ量（マルチプレキシング利得2）を処理できることを示しています。

シミュレーションにおいて、彼らは64個のアンテナを持つデバイスを用いてテストを行いました。ユーザー同士の直接的な通信経路がない場合（ユーザー1がユーザー2を見ることができない場合）でも、MiLACが「鏡」として機能することが極めて重要であることが分かりました。注意力を完璧に分割することで（高出力シナリオでは約7割を一方の仕事に、3割をもう一方の仕事に、あるいは50対50の分割）、システム全体の通信速度を最大化できるのです。

技術要約：同時能動および受動ビームフォーミングのためのマイクロ波線形アナログコンピュータ（MiLAC）

問題提起

マイクロ波線形アナログコンピュータ（MiLAC）は、再構成可能なマイクロ波ネットワークを介して信号を処理することにより、純粋にアナログ領域での高性能なビームフォーミングを実現する手法として、近年提案されている。従来、MiLACを用いたトランシーバは、RFチェーンからの信号を送信するためのプリコーディング、または受信アンテナからの信号をベースバンド検出のために結合する**能動的ビームフォーミング（active beamforming）を行う。これとは別に、再構成可能なインテリジェント表面（RIS）、特に非対角型RIS（BD-RIS）は、外部からの入射信号を反射するために、再構成可能なマイクロ波ネットワークを利用して受動的ビームフォーミング（passive beamforming）**を行う。

本研究で扱う核心的な問題は、単一のMiLAC搭載トランシーバがこれら両方の機能を同時に実行できる可能性である。MiLACが損失がなく相反性を持つハードウェアで実装されている場合、その散乱行列はユニタリかつ対称であるという制約を受ける。これらの物理的制約は、デバイスが自身の能動的な送受信レートと、反射による受動的な通信レートを同時に最大化することはできないという、根本的なトレードオフを生み出す。本論文は、このトレードオフの基礎的な限界を特性化し、システム性能を最大化するための最適な再構成戦略を決定することを目的としている。

手法

著者らは、以下の機能を同時に実行するデュアル機能フレームワークを提案している：

能動的ビームフォーミング： 自身のRFチェーンとユーザー1との間の信号処理。
受動的ビームフォーミング： 外部ソース（ユーザー1）からの信号を第2の目的地（ユーザー2）へ反射させる、実質的なBD-RISとしての動作。

システムモデル

本研究は、 $N$ 個のアンテナを備えた送信機がMiLACを用いてユーザー1と通信し、同時にユーザー1がフルデュプレックス（全二重）モードで動作してユーザー2と通信するシナリオに焦力している。

MiLACは、 $N+1$ 個のポート（1つのRFチェーン入力と、 $N$ 個のアンテナ出力）を持つマイクロ波ネットワークとしてモデル化される。
ネットワークは、散乱行列 $\bar{\Theta} \in \mathbb{C}^{(N+1)\times(N+1)}$ によって特徴付けられる。
損失がなく相反性を持つハードウェアであるため、 $\bar{\Theta}$ はユニタリ（ $\bar{\Theta}^H \bar{\Theta} = I$ ）かつ対称（ $\bar{\Theta} = \bar{\Theta}^T$ ）であるという制約を受ける。
行列は、反射係数 $\theta$ 、透過ベクトル $\theta$ 、およびアンテナポート間の相互作用を制御する部分行列 $\Theta$ に分割される。

最適化アプローチ

著者らは、 $\bar{\Theta}$ を最適化して総レート $R = R_1 + R_2$ （ここで $R_1$ は能動リンクのレート、 $R_2$ は受動リンクのレート）を最大化する問題を定式化する。

個別最大化： まず、 $R_1$ と $R_2$ をそれぞれ独立して最大化する条件を導出する。これらは、 $\bar{\Theta}$ が特定のチャネルベクトルを直交する方向へ写像する必要があることを示しており、同時最大化が不可能であることを証明している。
容量領域の特性化： トレードオフを特性化するために、パラメータ $t \in [0, 1]$ を導入する。能動および受動ビームフォーミングの最適方向を結ぶ単位 $N$ 球面上の最短弧上に位置する妥協ベクトル $\bar{h}$ を定義する。 $\bar{\Theta}\frac{\bar{h}_1}{\|\bar{h}_1\|} = \bar{h}$ を満たすように $\bar{\Theta}$ を最適化することで、パラメトリックな式 $R_1(t)$ および $R_2(t)$ を導出する。
総レート最大化： 著者らは、容量領域の境界がこれらのパラメトリックな式によって定義されることを証明する。総レート関数の一次導関数から得られる3次方程式を解くことにより、総レートを最大化する最適な $t^*$ に関する閉形式の解を導出する。

主な貢献

デュアル機能フレームワーク： 本論文は、MiLAC搭載トランシーバがビームフォーミング送信機／受信機として、かつ受動的反射器（BD-RIS）として同時に機能する新しいフレームワークを導入している。
基礎的な限界： 著者らは、このデュアル機能システムの容量領域を確立し、散乱行列のユニタリおよび対称性の制約により、能動レートと受動レートの間にトレードオフが存在することを証明した。また、総レートの上限（個別の最大値の理論的合計）は達成不可能であることを示している。
最適な再構成戦略： 容量領域の境界上で動作するようにMiLACを再構成するためのグローバルな最適解を提供している。これには、容量領域の閉形式による特性化と、総レート最大化のための最適動作点 $t^*$ を見つけるためのアルゴリズムが含まれる。
高SNRにおける洞察： ユーザー間の直接リンクが遮断されている場合（ $h_{21}=0$ ）および高SNR領域において、最適な戦略は $t^* \approx \sqrt{1/2}$ に収束する。これは、能動モードと受動モードの間で電力を均等に配分することで、タイムシェアリングによる利得1よりも優れた、利得2のマルチプレキシング利得が得られることを示している。

結果

レイリー分布チャネルおよび $N=64$ 個のアンテナを用いた数値シミュレーションにより、理論的知見が検証された：

容量領域： 提案された再構成戦略は、容量領域の理論的境界を達成し、タイムシェアリングスキーム（マルチプレキシング利得1のみを達成）を大幅に上回る。
総レート性能： 最適な総レート容量は理論的な上限に接近し、利得2のマルチプレキシング利得を達成する。
パラメータの感度： 直接リンクが存在せず高SNRの場合、最適なパラメータ $t$ は約 $\sqrt{1/2}$ であり、能動リンクと受動リンクを等しくバランスさせることで総スループットが最大化されることが確認された。

意義

本論文は、MiLACとRISの間の溝を埋めるものであると主張しており、単一のハードウェアプラットフォームが能動的および受動的ビームフォーミングを同時にサポートできることを示している。その意義は、相反性を持つ損失のないハードウェアによって課される根本的なトレードオフを特性化し、最適な制御戦略を提供した点にある。トランシーバが自身の通信リンクをサポートすると同時に外部のリンクを支援することを可能にすることで、このフレームワークは、シングルユーザー、マルチユーザー、およびレーダーセンシングの文脈における大規模MIMOシステムへのスケーラブルな解決策を提供する。著者らは、相反性を持つMiLACの場合、導出された性能境界は基礎的なものであり、これらの特定の境界を改善するには対称性の制約を緩和（非相反ハードウェアを使用）する必要があるが、相反性の制約内においては、提案された解が最適であることを強調している。