Miroirs intelligents pour le signal : l'équilibre entre énergie et vitesse express
Les ondes radio émises par un smartphone, voyageant à la vitesse de la lumière, se réfléchissent facilement sur les murs et les angles, perdant de leur force. Les surfaces intelligentes sont des miroirs programmables : elles capturent le signal diffusé et le redirigent précisément vers sa cible, tel un magicien habile qui fait contourner les obstacles à un rayon. Mais chaque miroir souffre de réflexions parasites : une partie de l'énergie part dans la mauvaise direction, créant des interférences, comme des reflets sur une photo.
L'algorithme DSAC-T agit comme un technicien expérimenté, ajustant en une fraction de seconde l'inclinaison de milliers de réflecteurs microscopiques. Il prend en compte non seulement le bénéfice direct, mais aussi l'entropie – la dispersion des erreurs possibles – réduisant ainsi le risque de défaillance au minimum. Au lieu d'absorber le signal comme un trou noir, le miroir le focalise précisément, et la décision arrive en 0,027 seconde – plus vite qu'un clignement d'œil. Cette approche réduit les délais et la consommation d'énergie, transformant des reflets épars en un flux de données cohérent.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2607.13160
Active beyond-diagonal reconfigurable intelligent surfaces (BD-RISs) enables hybrid transmitting and reflecting mode to achieve effective signal amplification and full-space coverage, thus providing a promising solution for blockage-aware uplink offloading in heterogeneous mobile edge computing (MEC) systems. However, practical hybrid mode active BD-RIS are realized by reciprocal devices, which inherently generate cross-sector energy leakage that will reshape the system-level energy-latency tradeoff. This paper studies energy-aware offloading and resource allocation for reciprocal active BD-RIS-assisted heterogeneous MEC, where offloading decisions, CPU/GPU computation allocation, transmit powers, receive processing, and active BD-RIS are tightly coupled. The resulting problem is a high-dimensional mixed integer nonconvex problem and is difficult to solve efficiently by conventional per-instance optimization. To address this challenge, we develop an end-to-end joint optimization framework based on a refined version of the distributional soft actor--critic algorithm, named as DSAC-T. By modeling return distributions rather than only expected values, DSAC-T improves policy stability under reward heterogeneity and feasibility-boundary sensitivity. Compared with other baseline algorithms, DSAC-T achieves the best energy-latency reward, the highest feasibility ratio of 81.67%, and a fast online decision time of 0.0267 s per scenario.
La surface-miroir contient des centaines de minuscules antennes. Chacune peut retarder l'onde d'une fraction de nanoseconde, et ensemble, elles forment un faisceau directionnel, un peu comme de nombreux pixels sur un écran composent une image nette.