Hamiltonian Transformer migliora la precisione dell'impronta digitale RF

L'Hamiltonian Transformer, un nuovo framework di deep learning ispirato alla fisica, migliora l'impronta digitale dei trasmettitori a radiofrequenza implementando dinamiche di valore che preservano la norma attraverso un generatore skew-simmetrico appreso e l'integrazione leapfrog di Störmer-Verlet. Al livello di input, un ulteriore embedding di incremento di fase rivela le dinamiche dell'oscillatore. Valutato su segnali I/Q grezzi non equalizzati del dataset WiSig, questo modello raggiunge un'impressionante accuratezza del 99,12% per la classificazione nello stesso giorno e del 61,64% quando esteso a 150 trasmettitori, superando i transformer tradizionali nella gestione degli spostamenti di distribuzione.