在左側,Chaos Chen,Yasaman Gasdpur和Atsuts Cludze的研究人員通過複雜而動態的環境開發了一個用於超高頻傳輸曲線的系統。學分:亞倫·納塔尼斯/普林斯頓大學

高頻無線電波可以無線攜帶大量的數據(例如虛擬現實)所需的大量數據,但是由於工程師站在無線電廣播的上限,因此它們落入牆壁上。字面上地。

超氣頻帶很容易被物體阻塞,因此用戶可以丟失在房間之間行走甚至通過書櫃的程序。

現在,普林斯頓工程公司的研究人員已經開發了一種機器系統,該機器系統可以允許超高頻傳輸來逃避這些障礙。在c 自然連接研究人員介紹了一個系統,該系統構成了程序,以避免與神經網絡結合使用障礙,該系統可以迅速適應複雜而動態的環境。

普林斯頓電力和計算機技術系副教授Yasaman Gasdpur首席研究員Yasaman Gasdpur說 上端 微波譜。

亞種中的傳輸能夠處理當前無線系統的10倍數據。這種類型的快速傳輸對於使用,例如虛擬現實係統或完全自動駕駛汽車很重要。

Hazempur說:“隨著我們的世界變得更加連接並渴望數據,對無線帶寬的需求正在增長。子處理器的頻率為更大的速度和吞吐量打開了大門。”

眨眼間的眨眼很容易被阻塞,但可以用特殊的發射器彎曲

與低頻無線電波不同的射線中的超高頻信號,類似於亞種帶中的主題,可以覆蓋更寬的區域。這使信號很容易阻塞,尤其是在房間和有大量移動的人和物體的地區。

工程師通過反射器成功測試了系統,以反彈障礙物周圍的信號。但是,這些系統依賴於在許多情況下無法訪問或實用的反射器。

Ghasempour團隊建議使用一種特殊的傳輸技術來逃避障礙。研究人員能夠彎曲齒輪梁,從而傳遞圍繞阻塞的信號。同時,他們使用了這個想法,該想法是在1979年首次提出的,用於一種稱為的無線電浪潮 氣射線 這使工程師可以形成變速箱作為曲線。通過適當的控制,可以通過對象的複雜而移動的磁場進行橫梁進行操縱。

普林斯頓大學的研究生,報紙的主要作者Chaos Chen說:“這是針對複雜的內部場景,您沒有可見性。” “您希望鏈接適應這個。”

與靜態系統不同,新系統允許發射器適應實時更改。通過調整曲率的確切特性,發射器可以在新障礙物出現時指示信號,即使在擁擠的,不斷變化的媒體中,也可以保持牢固的聯繫。

研究人員發送無線krivverbol以提供大量數據

研究人員使用了專門設計的元 – 蘇爾里表面來發送變速箱。學分:亞倫·納塔尼斯/普林斯頓大學

陳說,大多數通風樑的工作都致力於創建射線和研究其主要物理學。

他說:“我們做的不僅是產生射線,而且是在這種情況下尋找最好的最好的。” “人們已經表明可以創建這些射線,但是它們沒有顯示如何優化光束。”

該系統學會了逃避障礙,像全明星NBA這樣的訓練

尋找最佳彎曲光束是一個複雜的問題,尤其是在混亂和不斷變化的環境中。瞄準樑的標準光束 – 檢查最佳傳輸路徑的房間 – 不適合柔性齒輪。

“對於空氣射線,這是不切實際的,”陳說。 “根據曲線的程度和發生曲線的位置,有無盡的彎曲方法。不可能掃描發射器。”

為了解決這個問題,研究人員從運動員那裡拿了複製品。籃球運動員每次拍照時都不會拉動計算器。他們依靠過去的經驗來找出在不同情況下的力量和方向。為了產生這種類型的答案,研究人員開發了一個神經網絡,這是一個模仿大腦的計算機系統。

像籃球運動員一樣,神經網絡需要大量培訓才能表演。但是陳說,通過傳輸真正的射線對系統進行培訓非常費力。取而代之的是,Atsutse Kludze的合作者開發了一個模擬器,該模擬器允許網絡訓練幾乎各種障礙和各種環境。

站在通風梁後面的數學很複雜,哈扎普爾實驗室中的博士生剋魯茲應該創建一個將基本物理應用於幾乎任何情況的系統。

神經網絡以完美的精度校準曲線

在神經網絡中投入大量數據無效。相反,研究人員使用物理學的原理來創建和培訓神經網絡。一旦培訓了該系統,神經網絡就可以迅速適應。

研究人員說,他們通過專注於理解技術和開發傳輸控制方法的實驗測試了他們的計劃。

Hazempur說:“這項工作解決了一個長期存在的問題,該問題阻止了當今動態無線通信中這種高頻的採用。”

“得益於進一步的成就,我們代表了發射機,即使在最複雜的環境中也可以合理地導航,從而提供了超濕的,可靠的無線通信,這些應用程序與當今似乎無法獲得令人興奮的虛擬現實無法完全自動運輸的應用程序。”

更多信息:
知情的物理環境教授氣束以防止鎖定在子處理的無線網絡中, 自然連接 (2025)。 二:10.1038/s41467-025-62443-0

普林斯頓大學提供


引用:工程師發送無線曲線球以提供大量數據(2025年8月18日),於2025年8月18日從https://techxplore.com/news/2025-08-08-08-wireless-curveball-curveball-sassive massive Massive獲得。

該文檔具有版權。除了出於私人研究或研究目的的一些公平交易外,如果沒有書面解決方案,就無法再現。內容僅用於信息目的。



來源連結