ÉlőUtoljára: 56 perceMa: 8
Kutatásfrissítve: 06:30

Új alapmodell oldja meg a 6G hálózatok fizikai rétegének kihívásait

A jelenlegi vezeték nélküli alapmodellek a STF-tartományban működve akadályozzák az univerzális csatornareprezentációt, ráadásul számításigényük is rendkívül magas.

Új alapmodell oldja meg a 6G hálózatok fizikai rétegének kihívásait
Fotó: Fotó: Benedek Dezső / Unsplash
forrás: ArXiv ML·AI Forradalom szerk.·
Megosztás

Új alapmodellt javasolnak kutatók a 6G hálózatok fizikai rétegének tervezéséhez, amely az úgynevezett késleltetés-Doppler-szög (DDA) tartományban működik — derül ki az arXiv előnyomtatott tanulmányából.

A nagy alapmodellek sikere új paradigmát katalizál az AI-natív 6G hálózatok tervezésében: vezeték nélküli alapmodellek a fizikai réteg tervezéséhez, állítják a kutatók. A meglévő vezeték nélküli alapmodellek azonban gyakran a csatornaállapot-információt (CSI) a tér-idő-frekvencia (STF) tartományban dolgozzák fel, ahol a különböző többútvonalas komponensek egymásra vannak vetítve és strukturálisan összefonódnak. Ez akadályozza az univerzális csatornareprezentáció megtanulását, miközben a globális figyelemmechanizmusok alkalmazása rendkívül nagy számítási terhet ró a rendszerekre.

Az AirFM-DDA megoldása

Az AirFM-DDA nevű modell a CSI-t a STF-tartományból a DDA-tartományba paraméterezi át, hogy a többútvonalas komponenseket fizikailag értelmes tengelyek mentén explicit módon feloldja. Ez a megközelítés lehetővé teszi a modell számára, hogy hatékonyabban tanuljon meg univerzális csatornareprezentációt.

Az AirFM-DDA egy ablakalapú figyelemmodult alkalmaz, amelyet keretszerkezet-tudatos pozíciós kódolással (FS-PE) egészít ki. Ez a technológia segíthet a 6G hálózatok fizikai rétegének optimalizálásában, csökkentve a számítási igényt és javítva a teljesítményt. A tanulmány az arXiv-en jelent meg, 2605.00020v1 azonosítóval.

tetszett a cikk? oszd meg →
Megosztás

Tetszik az oldal? Támogasd a fejlesztést

Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.

Támogatom