<![CDATA[Generasi keenam (6G) jaringan nirkabel menuntut kapasitas, keandalan, dan kemampuan adaptasi yang belum pernah ada sebelumnya. Permukaan Cerdas yang Dapat Dikonfigurasi Ulang (Reconfigurable Intelligent Surface/RIS) telah muncul sebagai teknologi kunci untuk mewujudkan lingkungan radio yang cerdas, memungkinkan kontrol dinamis atas propagasi gelombang elektromagnetik. Namun, optimalisasi sistem berbasis RIS menghadirkan tantangan signifikan karena ruang konfigurasi yang berdimensi tinggi dan propagasi nirkabel yang kompleks. Tinjauan ini mengkaji pendekatan mutakhir kecerdasan buatan (AI) untuk optimalisasi RIS dalam jaringan 6G, dengan fokus pada tiga aplikasi inti: (1) konfigurasi RIS dan beamforming, (2) estimasi kanal RIS, dan (3) manajemen sumber daya dalam jaringan berbantuan RIS. Teknik pembelajaran mesin termasuk pembelajaran terawasi, pembelajaran penguatan mendalam (DRL), pembelajaran federasi (FL), dan model generatif telah menunjukkan potensi untuk mengungguli pendekatan optimasi klasik dalam skenario kompleks. Investigasi lebih lanjut mengkaji konsep radio kognitif di era 6G, di mana integrasi AI, komputasi tepi, dan RIS mentransformasi manajemen spektrum dari kerangka optimasi konvensional menuju paradigma AI-native. Tantangan yang masih ada mencakup overhead pelatihan yang tinggi, generalisasi model yang terbatas, kompleksitas estimasi kanal bersama, dan masalah keamanan serta interoperabilitas. Tinjauan ini menyimpulkan bahwa sinergi antara RIS dan AI menjanjikan jaringan 6G yang cerdas, adaptif, dan efisien energi, tetapi memerlukan penelitian berkelanjutan dalam arsitektur yang dapat diskalakan, algoritma yang kuat, dan pertimbangan implementasi praktis.]]>
Copyrights © 2026
