テラヘルツ無線データセンター向けトライバンドチャネル計測に基づく多層デジタルツイン

本論文は、テラヘルツ（THz）帯を用いた無線データセンターのための、測定駆動型の多層デジタルツイン（DT）フレームワークを提案している。物理層、チャネル層、評価層、操作層の4層を下から上へ構築する。140, 220, 300 GHzの3周波数帯でチャネル測定を行い、その結果に基づいて物理ツインを較正する。さらに、LoS（見通し）を考慮した暗黙的ニューラル場（implicit neural field）を用いてAIチャネルツインを構築し、受信電力とLoS確率をリアルタイムに予測する。システムレベルの評価層では、AP-to-rackおよびrack-to-rack通信のカバレッジと干渉を解析する。

既存のニューラル場ベースラインと比較して、提案するAIツインは受信電力の再構成誤差が低く、リアルタイム推論が可能である点が優れている。また、従来のデジタルツインは主に単一の周波数帯やシミュレーションに基づくものが多いが、本研究は3周波数帯の実測定データを用いて物理ツインを較正し、周波数依存の伝搬特性を考慮している点が新しい。さらに、LoSを明示的に考慮したニューラル場を導入することで、チャネル再構成の精度を向上させている。

手法の核は、測定データに基づく物理ツインの較正と、LoSを考慮した暗黙的ニューラル場（implicit neural field）によるAIチャネルツインの構築である。物理ツインでは、ジオメトリ、材料、アンテナ、ハイブリッド伝搬モデルを同時に最適化する。AIツインは、較正された物理ツインから位置依存のチャネル統計を学習し、受信電力とLoS確率をリアルタイムに予測する。評価層では、再構成されたチャネル場を用いてカバレッジと干渉を解析する。

実験では、140, 220, 300 GHzの3周波数帯でチャネル測定を実施し、提案フレームワークを検証した。AIツインの受信電力再構成誤差を既存のニューラル場ベースラインと比較し、低い誤差を達成した。また、天井設置型AP配置において、10 dBのSINR閾値で90%以上のカバレッジを達成することを示した。

要旨からは、提案手法の限界や課題についての議論は不明である。ただし、測定環境やデータセンターの具体的な構成が結果に影響する可能性があり、異なる環境での汎用性についてはさらなる検証が必要と考えられる。また、AIツインの学習には較正された物理ツインからのデータが必要であり、その精度が全体の性能に影響する点が議論の余地がある。

要旨で参照されている既存のニューラル場ベースライン（neural field baselines）や、THzチャネル測定に関する研究、デジタルツインの関連研究が挙げられる。具体的には、暗黙的ニューラル表現（NeRF）や、THz帯のチャネルモデリングに関する論文が関連する。