Phase-Aware Quantum–Classical Feedback Compression in RIS: Trainability and Performance Limits

doi:10.1109/ojvt.2026.3721274

Phase-Aware Quantum–Classical Feedback Compression in RIS: Trainability and Performance Limits

2026-08-06

0

OA

AI

S

Sudhanshu Arya

DOI：10.1109/ojvt.2026.3721274

原文链接

原文求助

摘要

En 中文

本文考虑一个多天线基站（BS）通过可重构智能表面（RIS）与单天线用户通信。在大型RIS部署中，反馈高维相位向量 $\boldsymbol{\theta }\in [0,2\pi)^{N}$（其中 $N$ 为RIS单元数量）带来了主要的可扩展性挑战。传统的基于码本的压缩方法仅限于固定的线性子空间。为解决此问题，我们提出相位感知量子RIS（PAQ-RIS），一种混合量子-经典自编码器，利用变分量子电路压缩RIS相位剖面。相位偏移以角度编码到量子态中，由参数化量子电路处理，并由经典解码器重构。结果表明，对于具有 $N=512$ 个单元的RIS，在反馈压缩比为约19%的情况下，PAQ-RIS使用 $q=9$ 个量子比特，在波束成形精度上比经典自编码器提高最多14.5%。对于 $N=1024$，该框架继续提供性能增益，实现波束成形精度最多提高11.33%。然而，对于具有 $N=2048$ 个单元的更大RIS配置，性能增益下降，最佳改进降至4.44%，这是由于空旷高原和近Haar随机潜在状态，从而确定了量子辅助压缩的实用可扩展性极限。

Keyword:

Barren plateau

quantum computation

MISO systems

quantum autoencoder

RIS

Phase-Aware Quantum–Classical Feedback Compression in RIS: Trainability and Performance Limits

摘要

期刊

机构

引用论文