ARIST-6G: Adaptiv mottagare via tolkningsbar sekvenstransformation för 6G-nätverk

Syfte och mål

Målen är att utveckla teoretiska grunder som kopplar ICL till klassiska estimatorer, snabb och effektiv avkodning och intelligent pilotval. ARIST-6G föreslår en tolkningsbar transformatorbaserad In-Context Learning-mottagare som lär sig direkt från pilotsymboler utan explicit CSI. ARIST-6G utvecklar den senaste tekniken längs tre dimensioner, dvs. teoretisk tolkningsbarhet, beräkningseffektivitet och robust anpassningsförmåga.

Förväntade effekter och resultat

ARIST-6G utvecklar teknikens ståndpunkt längs tre dimensioner. För det första fastställs teoretisk tolkningsbarhet genom att rigoröst bevisa överensstämmelsen mellan linjär ICL och Bayesianska estimatorer, inklusive felgränser och approximationsanalys. För det andra uppnås beräkningseffektivitet med skalbar kvasi-linjär bearbetning per symbol. För det tredje, robust anpassningsförmåga. Resultaten inkluderar publikationer, utbildade forskare och kunskap om 6G-mottagare.

Planerat upplägg och genomförande

Projektet planerar att tillämpa avancerade AI- och signalbehandlingsverktyg för att utveckla ICL-mottagare i 6G-miljöer. Omfattande simuleringar kommer att användas för att verifiera teoretiska resultat.