面向超过20,000个元素的可重构智能表面的可扩展且近优离散相位优化
信息论
2026-04-01 v1 math.IT
摘要
本文提出了一种利用相干伊辛机(CIM)对可重构智能表面(RIS)离散相位进行优化的新型框架。与基于迭代凸近似或复杂度呈指数增长的组合搜索的传统方法不同，CIM通过光学振荡器网络中的集体模式竞争，物理地探索伊辛哈密顿量的解空间，从而实现高效的大规模离散优化。我们将RIS离散相位优化问题表述为二次伊辛模型，通过将量化相位状态适当映射到自旋变量，该模型支持二进制和四进制相位。使用真实的硬件CIM，我们实验性地解决了包含多达22,201个元素的RIS的二次优化问题。结果表明，所提出的方法在视距和非视距环境下均能实现物理一致的波束模式，并在从二进制相位过渡到四进制相位时达到理论增益。为了进一步增强可扩展性，我们引入了一种自旋尺寸缩减方法，该方法移除了由主导信道分量确定性固定的自旋。该技术在不损失性能的情况下，有效减小了视距条件下CIM的问题规模。这些结果证实，基于CIM的优化为具有离散相位约束的大规模RIS部署提供了一种实用且高度可扩展的解决方案。
引用
@article{arxiv.2603.29144,
title = {Scalable and Near-Optimal Discrete Phase Shift Optimization for Reconfigurable Intelligent Surfaces with Over 20,000 Elements},
author = {Yuto Hama and Daisuke Kitayama and Kensuke Inaba and Toshimori Honjo and Hiroki Takesue and Naoki Ishikawa and Hiroyuki Takahashi},
journal= {arXiv preprint arXiv:2603.29144},
year = {2026}
}
备注
12 pages, 11 figures, submitted to IEEE journal