L'evolució de les xarxes de comunicacions i la computació en el perímetre (edge computing) està impulsant noves arquitectures que combinen flexibilitat, eficiència energètica i baixa latència. En aquest context, les superfícies intel·ligents reconfigurables actives més enllà de la diagonal (Active Beyond-Diagonal RIS, BD-RIS) emergeixen com una solució disruptiva per a sistemes heterogenis de computació en el perímetre mòbil (MEC). Aquestes superfícies no només reflecteixen i transmeten senyals de forma híbrida, sinó que incorporen amplificació activa, aconseguint una cobertura d'espai complet i compensant bloquejos en la comunicació. No obstant, els dispositius recíprocs utilitzats per implementar aquestes superfícies generen fuites d'energia entre sectors, cosa que modifica l'equilibri entre latència i consum energètic a nivell de sistema. Abordar aquest repte requereix tècniques d'optimització avançades que integrin decisions d'offloading, assignació de recursos de CPU/GPU, potències de transmissió, processament en recepció i la configuració mateixa del BD-RIS. El problema resultant és un problema no convex d'alta dimensionalitat i mixt enter, difícil de resoldre amb optimització tradicional per a cada instància.
Per superar aquesta complexitat, s'ha desenvolupat un marc d'optimització conjunta extrem a extrem basat en una versió refinada de l'algorisme d'actor-crític suau distribucional, conegut com DSAC-T. A diferència dels enfocaments convencionals que només modelen valors esperats, DSAC-T captura distribucions de retorn completes, millorant l'estabilitat de les polítiques sota heterogeneïtat de recompenses i sensibilitat a les fronteres de viabilitat. Els resultats demostren que DSAC-T aconsegueix la millor recompensa d'energia-latència, una taxa de viabilitat del 81,67% i un temps de decisió en línia de només 0,0267 segons per escenari, superant altres algorismes de referència. Això el converteix en una eina clau per a sistemes MEC heterogenis assistits per BD-RIS actiu recíproc.
Des d'una perspectiva tècnica i empresarial, la implementació pràctica d'aquestes solucions requereix un ecosistema de programari i maquinari ben integrat. Les empreses de desenvolupament de programari com Q2BSTUDIO juguen un paper fonamental oferint aplicacions a mida que permeten l'orquestració d'algorismes d'intel·ligència artificial, la gestió d'infraestructura al núvol i la seguretat de les dades. En particular, la integració d'agents d'IA per optimitzar dinàmicament les decisions d'offloading i la configuració del RIS és una àrea on el programari personalitzat fa la diferència. A més, l'ús de serveis al núvol com AWS o Azure proporciona l'escalabilitat necessària per processar grans volums de dades en temps real, mentre que les solucions de ciberseguretat garanteixen la integritat i confidencialitat de la informació en entorns heterogenis. D'altra banda, eines de business intelligence com Power BI permeten visualitzar mètriques de rendiment i consum energètic, facilitant la presa de decisions estratègiques.
La combinació d'active BD-RIS amb algorismes d'aprenentatge per reforç distribuït com DSAC-T obre noves oportunitats per a aplicacions industrials, des de fàbriques intel·ligents fins a ciutats connectades. No obstant, la transició a sistemes reals exigeix un enfocament integral que consideri tant els aspectes algorísmics com els d'infraestructura. Aquí és on Q2BSTUDIO aporta la seva experiència en serveis al núvol AWS/Azure i en el desenvolupament de solucions d'intel·ligència artificial per garantir que les implementacions siguin robustes, escalables i alineades amb els objectius de negoci. En resum, l'active BD-RIS amb DSAC-T representa un avenç significatiu per a la computació en el perímetre heterogènia, i la seva adopció exitosa depèn de tenir socis tecnològics capaços de transformar la teoria en productes operatius.
