Интернет научился сгибаться: «лучи Эйри» научили сигнал обходить барьеры

Интернет научился сгибаться: «лучи Эйри» научили сигнал обходить барьеры

Разработчики показали, как нейросеть выбирает оптимальный путь сигнала.

image

Беспроводные системы на сверхвысоких частотах обещают скорость, необходимую для виртуальной реальности и автономного транспорта, но сталкиваются с серьёзной проблемой — сигнал легко блокируется стенами или даже случайными препятствиями. Инженеры из Принстонского университета нашли способ обойти это ограничение.

Исследователи создали технологию, позволяющую радиосигналам огибать препятствия с помощью так называемых «лучей Эйри». Эти криволинейные траектории передают данные, даже если между передатчиком и приёмником нет прямой видимости. Подход сочетает физику и машинное обучение, обеспечивая гибкость в реальном времени.

Идея лучей Эйри появилась ещё в 1979 году, но до сих пор изучалась в основном как физический феномен. Теперь же учёные использовали нейросеть, чтобы выбирать оптимальный тип луча в конкретной среде и адаптироваться, когда объект появляется или меняет положение.

По словам Ясаман Гасемпур, доцента кафедры электротехники и компьютерной инженерии Принстона, работа открывает путь к использованию субтерагерцевого диапазона, где скорость передачи данных может быть в десять раз выше современных стандартов.

Особенность высокочастотных волн в том, что они распространяются узконаправленными потоками и плохо подходят для помещений, где постоянно возникают преграды. Ранее инженеры пытались решать проблему с помощью отражателей, но это оказалось непрактично. Теперь сам сигнал «закручивается», подобно бейсбольному мячу с вращением, обходя препятствие.

Автор работы, аспирант Хаозе Чэнь, отметил, что задача заключалась не только в создании таких лучей, но и в определении, какие именно из них будут наиболее эффективными в конкретной ситуации. Для этого команда разработала симулятор, способный виртуально проигрывать бесконечное количество сценариев.

Ключевым моментом стало использование физических принципов для обучения нейросети. Это позволило отказаться от «грубой силы» больших данных и сделать систему более точной. Как только сеть обучена, она мгновенно адаптируется к изменению обстановки, сохраняя устойчивый сигнал.

Команда протестировала систему на экспериментальных установках, которые имитировали сложные реальные условия в помещениях. Хотя эксперименты были сосредоточены на понимании и управлении самой технологией, результаты показывают, что её практическое применение уже близко.

Потенциальные области использования включают ультрабыстрые системы VR, полностью автономные автомобили и будущие беспроводные сети, способные передавать огромные массивы данных без перебоев.

Авторы подчеркивают, что решение снимает одно из главных препятствий для внедрения субтерагерцевого диапазона. В будущем такие передатчики смогут «интеллектуально» прокладывать путь даже в самых загруженных условиях. Подробности опубликованы в журнале Nature Communications .