普林斯頓科學家在牆壁上彎曲無線信號，這意味著房屋，汽車和擁擠的城市中的野生Terabit數據速度

多年來，研究人員一直在極度頻率通信中的某些漏洞掙扎。

高血壓的頻率是如此脆弱，以至於當牆壁，圖書館或簡單地搬家時，巨大的帶寬的承諾甚至可能會遇到適度的障礙，甚至可能會停止尖端的廣播。

但是，普林斯頓工程師的一種新方法表明，這些障礙可能不是永久性的路障，儘管從實驗到實際發展的跳躍仍然不確定。

從物理實驗到自適應傳播

彎曲信號以避免障礙的想法並不是什麼新鮮事。工程師長期以來一直使用“通風梁”，可以以受控的方式彎曲，但是他們對無線數據的應用已乾擾實際限制。

其中一位研究人員Haoze Chen說，以前的大多數側重於橫梁外觀的工作可能存在，而不是在無法預測的環境中的結構上。

問題在於，每條曲線都取決於無數變量，而沒有簡單的掃描或計算理想路徑的簡單方法。

為了使梁有用，研究人員從運動中藉了一定比例。籃球運動員沒有計算每張鏡頭，而是通過重複練習來學習在不同情況下有效的方法。

陳解釋說，普林斯頓隊的目標是在類似的過程中，用旨在自定義答案的神經元網絡代替了測試運動員。

博士生Atsutse Kludze並沒有為每一個可能的障礙傳輸自然光束，而是創建了一個模擬器，該模擬器允許該系統實質上練習。

這種方法大大減少了訓練時間，同時仍在自然梁中接地。

訓練後，該系統能夠使用專門設計的元圖來塑造廣播。

與依賴外部結構的反射器不同，後表面可以直接集成到發射器中，從而使梁彎曲在突然的障礙物周圍，保持連通性，而無需清晰的可見度。

該團隊表明，神經元網絡可以在完全和位移方案中選擇最有效的光束路線，而傳統方法無法實現。

他還聲稱，這是利用Sub-Trahertz頻段的一步，這是頻譜的一部分，其數據的數據最多是當今系統的十倍。

研究員Yasaman Ghasempour認為，在將這種帶寬用於苛刻的應用程序（例如標誌性虛擬現實或完全自動運輸）的應用之前，必須解決障礙。

Ghasempour說：“該項目面臨著一個漫長的問題，這阻止了迄今為止動態無線通信中這種高頻的採用。”

儘管如此，仍然存在挑戰。將實驗室演示轉換為商業設備需要升級，培訓方法的完善以及自適應梁可以以速度處理現實世界的複雜性。

接近Trarabit類的無線鏈接的承諾可能是可見的，但是在自然和技術上，通往障礙的途徑仍在繼續。