La evolución de las redes de comunicaciones y la computación en el borde (edge computing) está impulsando nuevas arquitecturas que combinan flexibilidad, eficiencia energética y baja latencia. En este contexto, las superficies inteligentes reconfigurables activas más allá de la diagonal (Active Beyond-Diagonal RIS, BD-RIS) emergen como una solución disruptiva para sistemas heterogéneos de computación en el borde móvil (MEC). Estas superficies no solo reflejan y transmiten señales de forma híbrida, sino que incorporan amplificación activa, logrando una cobertura de espacio completo y compensando bloqueos en la comunicación. Sin embargo, los dispositivos recíprocos utilizados para implementar estas superficies generan fugas de energía entre sectores, lo que modifica el equilibrio entre latencia y consumo energético a nivel de sistema. Abordar este desafío requiere técnicas de optimización avanzadas que integren decisiones de offloading, asignación de recursos de CPU/GPU, potencias de transmisión, procesamiento en recepción y la configuración misma del BD-RIS. El problema resultante es un problema no convexo de alta dimensionalidad y mixto entero, difícil de resolver con optimización tradicional para cada instancia.
Para superar esta complejidad, se ha desarrollado un marco de optimización conjunta extremo a extremo basado en una versión refinada del algoritmo de actor-crítico suave distribucional, conocido como DSAC-T. A diferencia de los enfoques convencionales que solo modelan valores esperados, DSAC-T captura distribuciones de retorno completas, mejorando la estabilidad de las políticas bajo heterogeneidad de recompensas y sensibilidad en las fronteras de viabilidad. Los resultados demuestran que DSAC-T alcanza la mejor recompensa de energía-latencia, una tasa de viabilidad del 81,67% y un tiempo de decisión en línea de solo 0,0267 segundos por escenario, superando a otros algoritmos de referencia. Esto lo convierte en una herramienta clave para sistemas MEC heterogéneos asistidos por BD-RIS activo recíproco.
Desde una perspectiva técnica y empresarial, la implementación práctica de estas soluciones requiere un ecosistema de software y hardware bien integrado. Las empresas de desarrollo de software como Q2BSTUDIO desempeñan un papel fundamental al ofrecer aplicaciones a medida que permiten la orquestación de algoritmos de inteligencia artificial, la gestión de infraestructura en la nube y la seguridad de los datos. En particular, la integración de agentes de IA para optimizar dinámicamente las decisiones de offloading y la configuración del RIS es un área donde el software personalizado marca la diferencia. Además, el uso de servicios cloud como AWS o Azure proporciona la escalabilidad necesaria para procesar grandes volúmenes de datos en tiempo real, mientras que las soluciones de ciberseguridad garantizan la integridad y confidencialidad de la información en entornos heterogéneos. Por otro lado, herramientas de business intelligence como Power BI permiten visualizar métricas de rendimiento y consumo energético, facilitando la toma de decisiones estratégicas.
La combinación de active BD-RIS con algoritmos de aprendizaje por refuerzo distribuido como DSAC-T abre nuevas oportunidades para aplicaciones industriales, desde fábricas inteligentes hasta ciudades conectadas. Sin embargo, la transición a sistemas reales exige un enfoque integral que considere tanto los aspectos algorítmicos como los de infraestructura. Aquí es donde Q2BSTUDIO aporta su experiencia en servicios cloud AWS/Azure y en el desarrollo de soluciones de inteligencia artificial para garantizar que las implementaciones sean robustas, escalables y alineadas con los objetivos de negocio. En resumen, el active BD-RIS con DSAC-T representa un avance significativo para la computación en el borde heterogénea, y su adopción exitosa depende de contar con socios tecnológicos capaces de transformar la teoría en productos operativos.
