用于下一代无线网络优化的生成式 AI：基础、前沿与开放挑战
网络与互联网体系结构
2024-05-29 v1 人工智能
摘要
下一代无线网络因其复杂和动态的特性，对使用传统优化技术提出了重大挑战。生成式 AI（GAI）凭借其独特优势成为一种强大工具。与传统的优化技术和其他机器学习方法不同，GAI 擅长从真实网络数据中学习并捕捉其复杂性。这使得能够安全地离线探索各种配置并生成多样化的、未见过的场景，从而赋能 xG 网络的主动式、数据驱动的探索与优化。此外，GAI 的可扩展性使其非常适合大规模 xG 网络。本文综述了基于 GAI 的模型如何解锁 xG 无线网络中的优化机遇。我们首先回顾了 GAI 模型以及 xG（如 6G）无线网络的一些主要通信范式。随后，我们深入探讨了如何利用 GAI 来改善资源分配并提升整体网络性能。此外，我们简要回顾了在 xG 无线网络中支持 GAI 应用的网络需求。本文进一步讨论了利用 GAI 进行网络优化的关键挑战和未来研究方向。最后，一个案例研究展示了基于扩散的 GAI 模型在非地面网络（xG 网络的核心技术）中用于负载均衡、载波聚合和回传优化的应用。该案例研究作为一个实例，展示了如何将强化学习与 GAI 相结合以解决现实世界中的网络优化问题。
引用
@article{arxiv.2405.17454,
title = {Generative AI for the Optimization of Next-Generation Wireless Networks: Basics, State-of-the-Art, and Open Challenges},
author = {Fahime Khoramnejad and Ekram Hossain},
journal= {arXiv preprint arXiv:2405.17454},
year = {2024}
}
备注
Submitted for possible publication