The manifold of unitary and symmetric matrices: characterization, Riemannian optimization and application to BD-RIS design

Resumo Técnico: A Variedade de Matrizes Unitárias e Simétricas

Este artigo apresenta uma investigação rigorosa da geometria da variedade de matrizes complexas que são simultaneamente unitárias e simétricas (denotada como $\mathcal{U}_s$), e propõe algoritmos de otimização Riemanniana para resolver problemas de design de superfícies inteligentes reconfiguráveis além do diagonal (BD-RIS).

1. O Problema

O design de BD-RISs envolve a otimização da matriz de espalhamento ($\Theta$), que modela como a superfície manipula as ondas eletromagnéticas. Devido às propriedades físicas de passividade (perda zero de energia) e reciprocidade, essa matriz deve ser unitária ($\Theta\Theta^H = I$) e simétrica ($\Theta = \Theta^T$).

Até então, a literatura abordava esse problema de duas formas subótimas:

1. Ignorando a restrição de simetria (otimizando apenas sobre a variedade unitária $\mathcal{U}$).
2. Utilizando a fatoração de Takagi, o que aumenta drasticamente a complexidade computacional e o número de mínimos locais, pois expande desnecessariamente o espaço de busca.

2. Metodologia e Contribuições Principais

A principal contribuição do trabalho é a caracterização geométrica completa da variedade $\mathcal{U}_s$, permitindo que a otimização ocorra diretamente no espaço de busca correto.

A. Caracterização Geométrica:
Os autores derivam as propriedades fundamentais de $\mathcal{U}_s$:

• Espaço Tangente: Identificam a estrutura do espaço tangente em um ponto $U \in \mathcal{U}_s$, permitindo o cálculo de gradientes precisos.
• Geodésicas: Fornecem expressões em tempo fechado para as geodésicas (o caminho mais curto na variedade), o que é essencial para o movimento do algoritmo.
• Retração e Transformada de Cayley: Revisitam a transformada de Cayley, mostrando como ela pode ser restrita para mapear matrizes reais simétricas diretamente para $\mathcal{U}_s$, oferecendo uma alternativa à fatoração de Takagi.

B. Algoritmos de Otimização Riemanniana (MO):
Com base na geometria descoberta, os autores desenvolvem dois algoritmos:

1. Line Search (LS): Um método de descida/ascensão de gradiente clássico que utiliza uma busca de linha ao longo das geodésicas para determinar o tamanho do passo ($\mu$).
2. Phase Optimization (PO): Um método inovador que, em vez de um passo único, otimiza individualmente as fases de cada componente da geodésica. Isso expande o espaço de busca e acelera a convergência.

C. Estrutura de Baixo Rank (Low-Rank):
O artigo prova matematicamente que, quando o número de elementos da BD-RIS ($M$) é maior que o número total de antenas ($N_t + N_r$), a matriz ótima é de baixo rank ($r \leq N_t + N_r$). Isso permite reduzir drasticamente a complexidade computacional sem perder performance.

3. Resultados e Aplicações

Os algoritmos foram testados em três cenários críticos de comunicações MIMO assistidas por BD-RIS:

1. Maximização do Ganho de Canal (Soma de Ganho): Utilizando a norma de Frobenius.
2. Maximização da Taxa de Dados (Achievable Rate): Otimizando o log-determinante do canal.
3. Minimização do Erro Quadrático Médio (MSE): Focado na precisão da estimativa do sinal.

Principais conclusões dos experimentos:

• Performance: Os algoritmos propostos superam as abordagens existentes (como projeções ou relaxações), atingindo valores de taxa e ganho superiores.
• Eficiência: A versão de baixo rank com Phase Optimization (PO) demonstrou ser a mais eficiente, com um tempo de execução que é praticamente independente do número de elementos $M$ da superfície, sendo ordens de magnitude mais rápida que os métodos de rank total.
• Convergência: O algoritmo PO converge rapidamente para pontos estacionários, especialmente quando existem soluções em tempo fechado para a otimização das fases.

4. Significância

Este trabalho é fundamental para o desenvolvimento de tecnologias 6G. Ao fornecer o arcabouço matemático para otimizar BD-RISs de forma eficiente e rigorosa, ele permite o design de superfícies inteligentes muito mais complexas e potentes, que podem ser implementadas com hardware de baixo custo (através de topologias de baixo rank) e processamento de sinal de alta velocidade.