“ Scientific American cubre las investigaciones, ideas y conocimientos más importantes y apasionantes en materia de ciencia, salud, tecnología, medio ambiente y sociedad. Su compromiso es compartir conocimientos fiables, mejorar nuestra comprensión del mundo y promover la justicia social. Imágen: Wikimedia Scientific American publica artículos de fondo, noticias de actualidad, opiniones y comentarios de expertos, podcasts, videos, multimedia, reportajes fotográficos y otras formas de contar historias. Además de nuestra revista insignia mensual y los artículos publicados diariamente en nuestro sitio web, producimos ediciones especiales para coleccionistas, las revistas digitales Mind , Space & Physics y Health & Medicine, libros electrónicos y otros productos. También organizamos eventos en vivo y seminarios web con una diversidad de expertos y periodistas que comparten su conocimiento sobre los eventos actuales de la misma manera en que la ciencia y la investigación
Las aplicaciones de realidad aumentada (AR) se han utilizado ampliamente en el campo de Internet de las cosas (IoT) debido a la buena experiencia de inmersión para los usuarios, pero su demanda de retraso ultrabajo y su alto consumo de energía plantean un gran desafío para el sistema de comunicación actual y la potencia del terminal. . El surgimiento de la computación de borde móvil (MEC) proporciona una buena idea para resolver este desafío. En este artículo, estudiamos un esquema de asignación de recursos y descarga de tareas de eficiencia energética para AR en los sistemas de MEC único y MEC múltiple. Tomado de: shorturl.at/cfLUW X. Chen y G. Liu, "Descarga de tareas y asignación de recursos energéticamente eficientes a través del aprendizaje de refuerzo profundo para la realidad aumentada en redes de borde móvil", en IEEE Internet of Things Journal , vol. 8, núm. 13, págs. 10843-10856, 1 de julio de 2021, doi: 10.1109/JIOT.2021.3050804.