基于 Grover 自适应搜索的 RIS 辅助 SC-FDE 混合量子-经典检测
网络与互联网体系结构
2025-11-07 v1
摘要
第六代 (6G) 网络对宽带和低时延提出了检测接近最大似然 (ML) 性能且不产生指数级复杂度的要求。本文发展了一种用于由可重构智能表面 (RIS) 辅助的单载波 (SC) 频域均衡 (FDE) 的混合量子-经典检测框架。将 ML 检测目标重新表述为二次无约束二进制优化 (QUBO) 问题，并通过 Grover 自适应搜索 (GAS) 求解。为加速收敛，我们引入一种频域 MMSE 阈值，利用 SC-FDE 信道的循环结构，实现低复杂度初始化。该框架在不同信道长度和 RIS 规模下进行评估，验证了其鲁健性和可扩展性。此外，通过量子电路模拟量化了 GAS 的寄存器宽度和门数，并分析了其查询复杂度以刻画算法在频率选择信道中块传输的成本。Qiskit 中的量子电路仿真在理想和噪声条件下均进行。理想情况下，该检测器在享受 Grover 二次加速的同时实现接近最优性能，将搜索成本从 O(M^N) 的穷举评估减少到 O(SQRT(M^N)) 的 oracle 查询。在噪声下，GAS 电路的浅层深度（辅以 MMSE 初始化）使得 depolarizing 误差可忽略不计，而读出误差虽引入适度退化，仍保持接近 MMSE 基准的性能。这些结果确立了面向 RIS 辅助宽带通信的量子增强检测的可行性，凸显了算法的可扩展性和实际鲁健性。
引用
@article{arxiv.2511.04173,
title = {Hybrid Quantum-Classical Detection for RIS-Assisted SC-FDE via Grover Adaptive Search},
author = {Maryam Tariq and Omar Alhussein and Raneem Abdelraheem and Abdullah Quran and Georges Kaddoum and Sami Muhaidat},
journal= {arXiv preprint arXiv:2511.04173},
year = {2025}
}
备注
Submitted to an IEEE Transaction, 13 pages