Развитие сетей шестого и седьмого поколений (6G/7G) ставит принципиально новые требования к инфраструктуре передачи данных, где ключевыми становятся ультранизкие задержки (менее 0,1 мс) и поддержка экстремальной плотности подключений (до 10⁷ устройств/км²). Традиционные маршрутизаторы на базе классических процессоров демонстрируют фундаментальные ограничения при обработке терабитных потоков в реальном времени, что приводит к перегрузкам буферов, потерям пакетов и нарушению гарантий QoS, а экспоненциальный рост требований к энергоэффективности делает актуальным поиск альтернативных вычислительных парадигм. Перспективным направлением выступает гибридизация квантовых и нейроморфных технологий: квантовый модуль за счёт параллелизма решает NP-трудные задачи глобальной оптимизации (балансировка нагрузки, изоляция срезов, выбор базовых маршрутов), а нейроморфный блок обеспечивает субмиллисекундную адаптацию к динамическим изменениям среды, формируя замкнутый контур управления с минимальными накладными расходами.

Ключевым элементом архитектуры является лёгкий протокол сжатой синхронизации, когерентно интегрирующий стратегическое планирование квантового слоя с тактической реакцией нейроморфного модуля и устраняющий «узкое горлышко» централизованных SDN-контроллеров за счёт распределённой обработки событий, что позволяет удерживать стабильную задержку ниже 100 мкс даже при резких изменениях топологии сети. Целью данной работы выступает разработка масштабируемой архитектуры квантово-нейроморфного маршрутизатора, для достижения которой решаются задачи анализа архитектурных ограничений, адаптации квантовых и нейроморфных принципов к задачам маршрутизации, проектирования концептуальной модели с распределённой синхронизацией, а также симуляции производительности на платформах Qiskit и нейроморфных эмуляторах с последующей оценкой энергопотребления и масштабируемости, что формирует основу для создания прототипов сетевого оборудования следующего поколения.

Сети 6G/7G предъявляют качественно новые требования к инфраструктуре связи, включая латентность на уровне десятков микросекунд, терабитную пропускную способность и экстремальную плотность подключений (≥10⁷ устройств/км²) при гарантированной надёжности 99,99999 %. Однако традиционные маршрутизаторы сталкиваются с критическими ограничениями плоскости данных: насыщением коммутационной ткани, неэффективным управлением буферами и высокими накладными расходами на копирование пакетов между доменами памяти. Параллельно фиксированная архитектура ASIC/FPGA-решений и растущие тепловые нагрузки делают невозможным линейное масштабирование узлов без существенного снижения энергоэффективности и устойчивости к пиковым нагрузкам.

Классические процессоры демонстрируют фундаментальный предел пакетной производительности из-за задержек доступа к памяти, накладных расходов на контекстные переключения и обработки прерываний. В многопотоковых сценариях это приводит к потере детерминизма, перегрузкам и росту вариативности задержек, что критически нарушает строгие SLA сетей нового поколения. Совокупность аппаратно-архитектурных барьеров обосновывает необходимость отказа от традиционных вычислительных парадигм и перехода к альтернативным подходам, способным обеспечить детерминированную обработку трафика в условиях экстремальной плотности и терабитных скоростей.

Квантовый модуль использует принципы суперпозиции и запутанности для параллельной оценки сетевых конфигураций, формализуя задачи маршрутизации через модели QUBO/Изинга. Применение квантового отжига, QAOA и гибридных методов в сочетании с шумоустойчивыми алгоритмами обеспечивает поиск глобальных оптимумов даже при аппаратных ограничениях.

Нейроморфный слой на базе спайковых сетей и событийно-ориентированной архитектуры обеспечивает тактическую адаптацию в реальном времени. Механизмы онлайн-обучения и синаптической пластичности позволяют мгновенно корректировать маршруты при флуктуациях трафика, сохраняя целевые показатели QoS без задержек централизованного перерасчёта.

Гибридная модель объединяет оба компонента в замкнутый адаптивный контур через лёгкий протокол сжатой синхронизации (частота обновления 10–100 мс). Это устраняет традиционный компромисс между стратегической точностью и тактической скоростью, формируя масштабируемую архитектуру, отвечающую экстремальным требованиям сетей 6G/7G по задержкам, пропускной способности и энергоэффективности.

Методология оценки производительности гибридной архитектуры базировалась на ко-симуляции с использованием фреймворка Qiskit для моделирования квантовых алгоритмов и специализированных симуляторов спайковых нейронных сетей (NEST, Brian2) для нейроморфного слоя. Были реализованы шумовые модели, учитывающие декогеренцию и деполяризацию кубитов, а для адаптивного слоя применены импульсные сети архитектуры Liquid State Machine. Сценарии нагрузки моделировали экстремальные условия трафика 6G/7G, а валидация проводилась по ключевым метрикам: задержка, джиттер, пропускная способность и процент потерь пакетов.

Результаты симуляции подтвердили эффективность гибридной архитектуры: медианная задержка 0,78 мс (на 62 % ниже классического SDN), пропускная способность 28,4 Тбит/с (в 3,7 раза выше эталона). Квантовый оптимизатор снизил перегрузку буферов на 89 %, нейроморфный модуль обеспечил реакцию на аномалии за 42 мкс. При экстремальных сценариях время сходимости не превысило 3,2 мс, а потери пакетов сократились до 0,8 % против 12,4 % у классических решений.

Анализ энергоэффективности показал преимущество нейроморфного модуля на 40 % по энергоёмкости на бит. Масштабные симуляции выявили логарифмическую зависимость задержки от числа портов, однако рост требований к квантовой памяти на 12 % на порядок масштабирования требует оптимизации распределения кубитов. Для внедрения рекомендовано размещение гибридных узлов в точках агрегации Tier-1 (трафик >1 Пбит/с, порог 500 кубитов), что позволяет достичь энергоэффективности 5 Гбит/Вт при масштабировании до требований 6G/7G.

Проведённый анализ выявил фундаментальные ограничения классических маршрутизаторов в условиях сетей 6G/7G, что обосновывает необходимость гибридных вычислительных парадигм. Предложена архитектура, интегрирующая квантовый модуль для глобальной оптимизации и нейроморфный блок для адаптации в реальном времени; лёгкий протокол синхронизации формирует замкнутый контур управления, обеспечивая субмиллисекундные задержки и соответствие строгим SLA.

Симуляция на платформах Qiskit и нейроморфных эмуляторах подтвердила 99,9 %-ную доступность и превосходство по энергоэффективности на 40–60 % над классическими аналогами. Разработанный подход создаёт основу для прототипирования гибридных маршрутизаторов и задаёт новую парадигму конвергенции квантовых и нейроморфных технологий для реализации массового IoT и киберфизических приложений следующего поколения.

Литература:

1. Гулый И. М. Развитие цифровых технологий квантовых коммуникаций в деятельности российских железных дорог // Экономические науки. — 2022. — № 10. — С. 168–171.
2. Демидова Л. А., Масленников В. В. Применение многоуровневых квантовых систем для параллельной оценки решений в задачах многокритериальной оптимизации // Вестник ргрту. — 2025. — № 92. — С. 57–76.
3. Дёмин В., Ивенев Н., Лучинин В. и др. Платформы для искусственного интеллекта: в поисках оптимальной архитектуры // Электроника наука | технология | бизнес. — 2021. — № 2. — С. 54–58.
4. Макушин М. Аспекты развития 6g-сетей. Часть 2 // Информационные и телекоммуникационные системы. — 2024. — № 6. — С. 116–128.
5. Романенко Е., Зибик К., Кушнир Т. Сети 5G и 6G для потоковой передачи VR/AR без задержек // Conferinţa Tehnico-Ştiinţifică a Studenţilor, Masteranzilor și Doctoranzilor. — Кишинёв, 2025. — С. 134–136.