基于测量校准的 AI 辅助太赫兹无线数据中心数字孪生体
信息论
2026-03-26 v1 math.IT
摘要
太赫兹（THz）无线通信已成为未来数据中心互连的有前景的解决方案；然而，在复杂室内环境中准确的信道特性获取和系统级性能评估仍具有挑战性。本文开发了一个基于测量校准的 AI 辅助数字孪生（DT）框架，用于 THz 无线数据中心，通过紧密集成信道测量、射线追踪（RT）和隐式神经场（INF）建模实现。具体而言，首先在平面视场（LoS）和非平面视场（NLoS）场景下，使用矢量网络分析仪在 300 GHz 进行信道测量。Sionna 平台上的 RT 模拟捕获主要的多径结构，并与测量结果表现良好一致。基于测量和 RT 数据，开发了 RT 条件化的 INF，用于构建连续的射频（RF）场表示，实现对 RT 缺失的 NLoS 区域的准确预测。生成的综合性 RF 图可为无线数据中心的系统级分析和决策提供支持。
引用
@article{arxiv.2603.23837,
title = {A Measurement-Calibrated AI-Assisted Digital Twin for Terahertz Wireless Data Centers},
author = {Mingjie Zhu and Yejian Lyu and Ziming Yu and Chong Han},
journal= {arXiv preprint arXiv:2603.23837},
year = {2026}
}