Reconfigurable intelligent surfaces (RISs), also known as intelligent reflecting surfaces (IRSs), or large intelligent surfaces (LISs), ¹ have received significant attention for their potential to enhance the capacity and coverage of wireless networks by smartly reconfiguring the wireless propagation environment. Therefore, RISs are considered a promising technology for the sixth-generation (6G) of communication networks. In this context, we provide a comprehensive overview of the state-of-the-art on RISs, with focus on their operating principles, performance evaluation, beamforming design and resource management, applications of machine learning to RIS-enhanced wireless networks, as well as the integration of RISs with other emerging technologies. We describe the basic principles of RISs both from physics and communications perspectives, based on which we present performance evaluation of multiantenna assisted RIS systems. In addition, we systematically survey existing designs for RIS-enhanced wireless networks encompassing performance analysis, information theory, and performance optimization perspectives. Furthermore, we survey existing research contributions that apply machine learning for tackling challenges in dynamic scenarios, such as random fluctuations of wireless channels and user mobility in RIS-enhanced wireless networks. Last but not least, we identify major issues and research opportunities associated with the integration of RISs and other emerging technologies for applications to next-generation networks. ¹ Without loss of generality, we use the name of RIS in the remainder of this paper. 

A novel simultaneously transmitting and reflecting (STAR) system design relying on reconfigurable intelligent surfaces (RISs) is conceived. First, an existing prototype is reviewed and the potential benefits of STAR-RISs are discussed. Then, the key differences between conventional reflecting-only RISs and STAR-RISs are identified from the perspectives of hardware design, physics principles, and communication system design. Furthermore, the basic signal model of STAR-RISs is introduced, and three practical protocols are proposed for their operation, namely energy splitting, mode switching, and time switching. Based on the proposed protocols, a range of promising application scenarios are put forward for integrating STAR-RISs into next-generation wireless networks. By considering the downlink of a typical RIS-aided multiple-input single-output (MISO) system, numerical case studies are provided for revealing the superiority of STAR-RISs over other baselines, when employing the proposed protocols. Finally, several open research problems are discussed.

In this letter, simultaneous transmitting and reflecting reconfigurable intelligent surfaces (STAR-RISs) are studied. Compared with the conventional reflecting-only RISs, the coverage of STAR-RISs is extended to 360 degrees via simultaneous transmission and reflection. A general hardware model for STAR-RISs is presented. Then, channel models are proposed for the near-field and the far-field scenarios, based on which the diversity gain of the STAR-RISs is analyzed and compared with that of the conventional RISs. Numerical simulations are provided to verify analytical results and to demonstrate that full diversity order can be achieved on both sides of the STAR-RIS.

ABSTRACT The moving morphable component (MMC) topology optimization method has garnered increasing attention recently due to its ability to provide explicit geometric parameters of optimized structures and seamless integration with CAD systems. However, the classical MMC method may encounter instability during the iterative process due to the excessively free movement of components and geometric defects caused by the incomplete fusion of components. This article proposes a novel joint‐driven MMC (JMMC) method to address these issues. The core idea involves introducing a set of joint components to control and constrain the movement and deformation of the ordinary components. These ordinary components are interconnected through the joint components, guiding their movement and deformation within the design domain to facilitate structural layout changes, and the sizes of both ordinary and joint components can also be simultaneously optimized to alter the structural topology. Compared to the classical MMC method, the JMMC method retains the advantages of fewer design variables, explicit geometric information of structural boundaries, and seamless CAD integration while effectively mitigating iterative instability and avoiding the “dirty geometry” issues caused by incomplete component fusion. Numerical examples demonstrate the effectiveness and robustness of the proposed method.