基于物理信息学习的亚太赫兹无线网络Airy光束优化框架：实现动态遮挡规避的波前整形新方法

针对亚太赫兹(sub-THz)无线网络中视距(LOS)遮挡导致通信中断的难题，普林斯顿大学团队提出了一种融合深度学习和电磁物理的Airy光束优化框架。通过参数化(B,F,θ)调控自加速光束轨迹，结合Rayleigh-Sommerfeld积分计算近场功率传输，实现了在动态环境中实时生成最优弯曲波前。实验证明该方案比传统高斯波束成形平均提升17.7dB链路预算，支持10+GHz带宽传输，为6G移动网络盲区补偿提供了新思路。

　　

在迈向6G时代的技术竞赛中，亚太赫兹(sub-THz，100-300GHz)频段因其超大带宽优势成为实现Tbps级无线传输的关键。然而，这个"双刃剑"频段面临一个顽固挑战——微小的障碍物就能完全阻断毫米级波长的视距传播，导致通信链路突然中断。传统解决方案如智能反射面(IRS)依赖环境反射路径，但实际场景中往往缺乏稳定反射体。普林斯顿大学的研究团队独辟蹊径，从光学领域获得灵感：既然亚太赫兹波的近场(Fresnel区)范围可达数十米（15cm孔径在140GHz时近场达16.5m），能否像操控光波那样"弯曲"无线电波绕开障碍物？

《Nature Communications》最新发表的这项研究给出了肯定答案。研究人员聚焦具有自加速特性的Airy光束——这种在光学中已知能沿抛物线轨迹传播的特殊波束，首次建立了适用于无线通信的优化框架。核心突破在于解决了"无限可能轨迹中的最优选择"难题：通过将立方相位调制(B)、焦距(F)和偏转角(θ)参数化，结合深度学习模型实时预测最佳波束形态，在金属挡板遮挡实验中实现了比传统波束成形高3.4dB的接收功率。

关键技术方法包括：1) 基于Rayleigh-Sommerfeld积分的近场传播建模；2) 元表面相位板实现D波段(110-170GHz)Airy波束生成；3) 物理信息神经网络架构，输入遮挡率(bl)和接收器-障碍物相对位置(Δx)预测最优(B,F,θ)组合；4) 热压法制备C形开口环谐振器元表面阵列。实验系统采用120GHz载波，通过上/下变频模块实现基带-射频转换，用移动石质障碍物模拟动态遮挡场景。

Airy光束生成与表征

通过叠加立方相位和聚焦相位掩模（式2），在指定位置激发Airy波前。测量显示，当B=7、F=0.1m、θ=-20°时，波束能在0.1m处开始沿预设抛物线偏转（图1b）。关键发现是：波束曲率与带宽存在权衡，尖锐弯曲会导致5GHz带宽时轨迹偏移达5mm（图3d），这解释了为何算法需针对中心频率优化。

最大功率轨迹成形

建立目标函数（式5）最大化接收孔径积分功率。与传统波束相比，优化后的Airy波束在70%遮挡时仍保持-15dBm接收功率（图4a），而聚焦波束已降至-28dBm。值得注意的是，当接收器移入阴影区时，系统自动增强曲率系数|B|（图4b），验证了框架的适应性。

Airy轨迹学习

神经网络通过物理约束加速收敛：① 仅学习"凸"拓扑解，通过(B,θ)符号翻转泛化到"凹"场景；② 利用遮挡率bl控制网络激活阈值；③ 引入Δx特征区分上下绕行需求。测试显示AI预测与暴力搜索结果相差<0.5dB（图2c），但计算耗时从小时级降至毫秒级。

实验验证

8-QAM传输实验表明（图5），优化Airy波束在遮挡时将误码率(BER)降低三个数量级（BPSK@3GHz带宽）。元表面测量显示，115-125GHz带宽内轨迹偏移<λ/2（图3c），满足8K视频传输需求。

这项研究开创性地将光学波前控制引入无线通信，其意义不仅在于解决遮挡问题——更深层的是展示了物理启发式AI在电磁调控中的巨大潜力。正如作者指出，该方法可扩展至Mathieu、Weber等复杂波束，为6G智能超表面(IRS)设计提供新范式。随着可重构元表面技术的发展，这种"会转弯的无线电"或将重新定义移动网络覆盖边界。