无线物理神经网络（WPNNs）：机遇与挑战
信号处理
2026-02-17 v1
摘要
无线通信系统在结构和功能上具有与神经网络的相似性：信号通过级联元素传播、与环境交互并经历变换。基于此视角，我们提出一种统一范式，称为无线物理神经网络（wireless physical neural networks, WPNNs），将无线网络中的组件（如收发器、中继、背信和智能表面）解释为学习架构中的计算层。通过将无线传播环境和网络元素视为可微算子，为联合通信-计算设计带来新机遇，其中系统优化可通过直接应用于物理网络的学习方法实现。该方法可独立于或与常规数字神经层共同工作，实现混合式通信学习管线。本文概述代表此观点的典型架构，讨论利用无线介质作为计算资源所需的算法和训练考虑因素。通过数值示例，我们强调在处理、适应性、效率和端到端优化方面潜在的性能提升，展示了在下一代通信框架中重新配置无线系统为学习网络的前景。
引用
@article{arxiv.2602.14094,
title = {Wireless Physical Neural Networks (WPNNs): Opportunities and Challenges},
author = {Meng Hua and Itsik Bergel and Tolga Girici and Marco Di Renzo and Deniz Gunduz},
journal= {arXiv preprint arXiv:2602.14094},
year = {2026}
}