Multidimensionell resurshantering för 6G IoT-nätverk med generativ artificiell intelligens

Syfte och mål

Dagens 6G IoT innebär allvarliga utmaningar, särskilt när det gäller att dynamiskt hantera sina enorma flerdimensionella resurser mitt i ökade krav på latens, hastigheter, tillförlitlighet etc. Traditionella metoder, särskilt de som förlitar sig på Deep Reinforcement Learning (DRL), har uppenbara begränsningar i olika och komplexa 6G IoT-nätverk. I detta sammanhang kommer vi att utforska Generativ Artificiell Intelligens (GAI) för att lösa dessa utmaningar.

Förväntade effekter och resultat

Projektet kommer att leda till tekniker som förbättrar IoT-resurser i 6G-nätverk.

Planerat upplägg och genomförande

Först kommer vi att etablera ett hypergrafbaserat ramverk för flerdimensionell resursrepresentation och modellering, med inriktning på optimering av tjänstekapacitet. Därefter kommer vi att använda Generative Diffusion Model (GDM) för att effektivisera extraktion av kommunikationsintentioner. Slutligen kommer vi att utnyttja GDM för att skapa motståndskraftiga incitamentsstrukturer, med syfte att säkerställa rättvis resursfördelning och förbättra användarupplevelsen i 6G IoT-miljön.