群體智能在上世紀七八十年代就已被提出，是人工智能領域中的重要范疇。它源于對自然界中社會性生物，如螞蟻、蜜蜂、魚類及鳥類等的集體行為觀察。這些群體通過協(xié)同作業(yè)，能夠應對單一成員難以克服的生存挑戰(zhàn)，如覓食、避險及歸巢，展現(xiàn)出強大的集體協(xié)作智慧。盡管群體內的個體可能僅具備基本的認知能力和有限的行動力，但群體智能卻遠非單純個體能力的簡單累加，它通過成員間復雜的時空互動，實現(xiàn)超越個體層次的智能集成，這恰是“智能涌現(xiàn)”的典型例證。本研究采用群體智能和半正定松弛的方法，實現(xiàn)了對電磁場數(shù)值計算效率的顯著提升，計算時間縮減高達百倍以上，為群體智能的應用探索開辟了新的路徑。
現(xiàn)代無線終端普遍采用多天線技術，導致使用者曝露于復雜且多變的射頻電磁場中，為安全性評估工作帶來了重大挑戰(zhàn)。尤其是在難以窮盡所有天線發(fā)射模式的情況下，在具有復雜曲面的人頭組織中，估計設備發(fā)出電磁場的最大平均吸收功率密度十分困難。這也是當前國際電工委員會（IEC）TC106 JWG 11標準化活動中正在討論的一個重大技術難點。
2024年7月，中科院分區(qū)計算機科學頂刊（Top）《IEEE Antennas and Wireless Propagation Letters》雜志(影響因子3.7) 刊載了中國信息通信研究院人工智能所研究者為第一作者的文章《Efficient Evaluation of Epithelial/Absorbed Power Density by Multi-Antenna User Equipment with SAM Head Model》（原文鏈接：https://ieeexplore.ieee.org/document/10578308）。該研究綜合運用群體智能、計算機視覺及優(yōu)化理論，評估多天線終端在接近或接觸人體頭部時，組織中的電磁能量吸收情況。
首先，借助近共形參數(shù)化的計算機視覺技術和形變方法，成功將三維人頭組織曲面轉換為二維平面，實現(xiàn)了一種精確的黎曼共形映射。
其次，通過半正定松弛（SDR）估計天線陣中各單元的復權重，并計算在碼本內不同天線配置下最大電磁場曝露值。
最后，采用粒子群優(yōu)化算法（PSO），精準定位電磁場曝露強度峰值區(qū)域，實現(xiàn)在復雜模型表面快速估計電磁場強度的極值點。
研究內容一：基于計算機視覺算法構建三維曲面到二維平面的共形映射
為了在復雜的三維曲面上準確定位電磁場曝露的最大值位置，研究人員開發(fā)了一種基于最小二乘的共形映射算法，根據(jù)黎曼映射定理，確保三維模型表面各點與二維空間坐標間的精確匹配，從而將三維曲面轉換為一個與之對應的二維參數(shù)化平面，實現(xiàn)將復雜人頭的三維表面轉化成一個簡潔的二維參數(shù)空間。通過這一轉換能夠更快速、更準確地定位電磁場曝露的峰值位置，為后續(xù)優(yōu)化算法提供了基礎，也為解決涉及復雜幾何特征的電磁場曝露評估問題提供了一種新的思路。（程序已經公開：https://github.com/kyle-gh/LeastSquaresConformalMaps）
圖1 人頭部模型的共形映射
研究內容二：基于群體智能聯(lián)合優(yōu)化算法PSOSDR定位電磁場曝露峰值位置
粒子群優(yōu)化（PSO），是一種典型的群體智能算法，借鑒自然界中鳥類集體覓食現(xiàn)象，將搜索過程類比為鳥群尋找食物，通過模擬個體“粒子”在解空間中以“位置”與“速度”參數(shù)迭代演進，逐步導向最優(yōu)解的集體行為。另一方面，半正定松弛（SDR）針對復雜約束優(yōu)化問題，通過將非線性約束轉換為更易處理的形式，生成易于求解的近似問題，極大提升了計算效率，并提供高質量近似解。
本研究融合PSO的全局搜索能力和SDR的優(yōu)化能力，提出了一種創(chuàng)新的PSOSDR聯(lián)合優(yōu)化算法，旨在針對三維非平面模型精準定位電磁場的最大曝露區(qū)域。該方法首先運用SDR算法，在預設的平均區(qū)域內，對不同天線碼本配置下可能產生的最大電磁場曝露值進行估算。隨后，利用PSO算法在三維空間中動態(tài)尋優(yōu)，精確定位出導致最高曝露水平的平均區(qū)域位置。因此本研究提出的PSOSDR算法能夠有效地定位到電磁場曝露峰值所在，既確保了計算的精確性，又大幅提升了搜索效率，尤其在處理復雜非平面模型時展現(xiàn)出了卓越性能。
研究結果：PSOSDR方法評估電磁場曝露的性能
圖2展現(xiàn)了人體模型在多天線設備作用下，經由PSOSDR、SDR以及分別執(zhí)行1萬次（圖中（1））與10萬次（圖中（2））的蒙特卡羅模擬所獲得的電磁場曝露評估對比。其中，PSOSDR的結果是通過10次計算得到的。圖中還展示了使用SEMCAD v 19.2軟件進行全波仿真得到的結果。
圖2 采用各種算法的對比分析
結果表明，PSOSDR得出的電磁場曝露水平與SDR及蒙特卡羅模擬（MC，金標準）的結果相一致。此外，SEMCAD軟件的仿真數(shù)據(jù)進一步驗證了PSOSDR方法的可靠性，兩者在電磁場曝露峰值和平均區(qū)域定位上展現(xiàn)出極高的一致性。
如圖3所展示，PSOSDR的收斂過程表明，在約7分鐘內，經過約40次迭代即可得到結果。圖中的綠色圓圈標出了算法確定的平均區(qū)域。
圖3 一次PSOSDR的收斂過程（綠色圓圈表示由PSO確定的平均區(qū)域）
表1 各種算法計算時間比較
由表1可以看出，PSOSDR在計算效率上的優(yōu)勢尤為突出。相較于SDR，PSOSDR將計算時間縮減了約140倍；而相較于執(zhí)行1萬次的蒙特卡羅模擬，其時間節(jié)省超過50倍。表中公式(1)和公式(2)分別指的是兩種不同的計算吸收功率密度（APD）的方法。實驗結果表明，本研究提出的PSOSDR算法在快速評估多天線用戶設備（MAUE）電磁場曝露任務上體現(xiàn)了先進性，尤其是在處理大規(guī)模、高分辨率的仿真場景時，其優(yōu)越性更加凸顯。
總結
本研究創(chuàng)新性地提出了一種新算法（PSOSDR），巧妙融合了半正定松弛與群體智能優(yōu)化算法，旨在高效地評估復雜結構（包含非平面幾何特征）在射頻電磁場的曝露強度。實驗驗證結果顯示，其評估結果與蒙特卡羅模擬（MC，金標準）結果極為接近，誤差率低于3%。尤為重要的是，該算法顯著提升了計算效率，極大地加快了對多天線用戶設備電磁場曝露水平的評估過程。此外，本研究巧妙利用計算機視覺中的表面映射算法，有效應對了人體復雜形態(tài)的變化，進一步確保了電磁場曝露評估的時效性和精確度。總體而言，本研究成果為電磁場曝露安全標準的制定提供了堅實的理論基礎，具有重要的實際應用價值。
文章來源：中國信通院CAICT
