AP26103493 – Интеллектуальные поверхности на основе машинного обучения для «зеленого» IoT в будущих беспроводных сетях

Цель – Разработка методов оптимизации на основе машинного обучения для реконфигурируемых интеллектуальных поверхностей (RIS) направлена на создание энергоэффективных и масштабируемых IoT-сетей следующего поколения. Проект решает задачи массового подключения устройств, распределения ресурсов и снижения энергопотребления, улучшая распространение сигнала и повышая устойчивость беспроводных систем.

Актуальность: Актуальность данного проекта обусловлена стремительным развитием технологий Интернета вещей (IoT) и необходимостью создания энергоэффективных и масштабируемых систем беспроводной связи будущего поколения. Существующие сети сталкиваются с рядом серьёзных проблем, включая массовое подключение устройств, энергетические ограничения и сложные условия распространения сигнала. Интеграция реконфигурируемых интеллектуальных поверхностей (RIS) с машинным обучением представляет собой перспективное решение для оптимизации работы системы в реальном времени. Этот подход позволяет улучшить распространение сигнала, повысить эффективность сбора энергии и более эффективно распределять ресурсы в IoT-сетях. Проект также соответствует развитию технологий 6G, которые находятся на ранней стадии, что создаёт своевременную возможность для инноваций и лидерства. Таким образом, проект является высокоактуальным, поскольку способствует технологическому прогрессу, развитию устойчивых коммуникационных систем и формированию «умной» инфраструктуры и Индустрии 4.0 в Казахстане.

Научный руководитель: Доктор Ph.D., Ассоциированный профессор, Жамангарин Дусмат Саматұлы

Ожидаемые и достигнутые результаты: В рамках проекта успешно разработана теоретическая база для коммуникаций с поддержкой RIS в сетях IoT, включая анализ принципов работы RIS и их влияния на качество беспроводной связи. Были детально изучены ключевые параметры RIS, такие как фазовое управление, коэффициенты отражения и методы оптимизации сигналов. Проведен обзор существующих моделей каналов связи, а также определена роль RIS в улучшении покрытия и надежности IoT-сетей. Теоретическая работа позволила выявить основные ограничения технологии и предложить возможные пути их решения, сформировав прочную основу для дальнейшего моделирования. Подготовлен технический отчет по первому этапу (WP1), в котором отражены цели, методы, промежуточные результаты и рекомендации для дальнейших исследований. Проведена предварительная оценка модели системы с использованием RIS, включая анализ механизмов распределения ресурсов и функционирования системы в различных сценариях IoT. Проверены устойчивость и корректность работы модели, что позволило выявить ее сильные и слабые стороны, а также сформировать начальную базу данных для последующего моделирования. Также была проведена оценка аналитической модели с проверкой допущений, математических зависимостей и устойчивости при различных параметрах. Аналитические результаты дополнительно верифицированы с помощью моделирования в MATLAB, что подтвердило точность большинства расчетов и позволило выявить области, требующие доработки. Сравнение аналитических и моделируемых результатов показало применимость модели к реальным условиям. Результаты проекта были систематизированы и использованы для подготовки научной рукописи, включая структурированные данные, графические материалы и основные выводы. Работы по распространению результатов и управлению проектом были успешно выполнены, обеспечив своевременную отчетность, координацию и соблюдение сроков. Также был разработан и запущен веб-сайт проекта для распространения информации и обеспечения открытого доступа к результатам. В целом проект продемонстрировал значительный прогресс как в научной, так и в организационной части.