論文の概要: Computing Research Challenges in Next Generation Wireless Networking
- arxiv url: http://arxiv.org/abs/2101.01279v1
- Date: Mon, 4 Jan 2021 23:27:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 21:57:05.561816
- Title: Computing Research Challenges in Next Generation Wireless Networking
- Title（参考訳）: 次世代無線ネットワークにおけるコンピューティング研究の課題
- Authors: Elisa Bertino, Daniel Bliss, Daniel Lopresti, Larry Peterson, and
Henning Schulzrinne
- Abstract要約: 技術は急速に進歩し続けており、次世代の6Gはすでに計画されている。
6Gはホログラフィックテレプレゼンス、テレヘルス、遠隔教育、ユビキタスロボティクス、自動運転車など、さまざまな強力な新しいアプリケーションを可能にする。
ハードウェアレベルで始まり、ソフトウェア"スタック"のトップまで拡張していくでしょう。
- 参考スコア（独自算出の注目度）: 16.806194058232528
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: By all measures, wireless networking has seen explosive growth over the past
decade. Fourth Generation Long Term Evolution (4G LTE) cellular technology has
increased the bandwidth available for smartphones, in essence, delivering
broadband speeds to mobile devices. The most recent 5G technology is further
enhancing the transmission speeds and cell capacity, as well as, reducing
latency through the use of different radio technologies and is expected to
provide Internet connections that are an order of magnitude faster than 4G LTE.
Technology continues to advance rapidly, however, and the next generation, 6G,
is already being envisioned. 6G will make possible a wide range of powerful,
new applications including holographic telepresence, telehealth, remote
education, ubiquitous robotics and autonomous vehicles, smart cities and
communities (IoT), and advanced manufacturing (Industry 4.0, sometimes referred
to as the Fourth Industrial Revolution), to name but a few. The advances we
will see begin at the hardware level and extend all the way to the top of the
software "stack."
Artificial Intelligence (AI) will also start playing a greater role in the
development and management of wireless networking infrastructure by becoming
embedded in applications throughout all levels of the network. The resulting
benefits to society will be enormous.
At the same time these exciting new wireless capabilities are appearing
rapidly on the horizon, a broad range of research challenges loom ahead. These
stem from the ever-increasing complexity of the hardware and software systems,
along with the need to provide infrastructure that is robust and secure while
simultaneously protecting the privacy of users. Here we outline some of those
challenges and provide recommendations for the research that needs to be done
to address them.
- Abstract（参考訳）: あらゆる手段によって、ワイヤレスネットワークは過去10年間で爆発的な成長を遂げている。
第4世代長期進化(4G LTE)セル技術は、携帯電話の帯域幅を増大させ、本質的にモバイルデバイスにブロードバンド速度を提供する。
最新の5g技術は、伝送速度とセル容量をさらに向上させ、異なる無線技術の使用によるレイテンシを削減し、4g lteよりも桁違いに速いインターネット接続を提供することが期待されている。
しかし、技術は急速に進歩し続けており、次世代の6Gはすでに計画されている。
6Gはホログラフィックテレプレゼンス、遠隔医療、遠隔教育、ユビキタスロボティクスと自動運転車、スマートシティとコミュニティ(IoT)、先進的な製造(Industry 4.0、時には第4次産業革命と呼ばれる)など、幅広い新しい応用を可能にする。
ハードウェアレベルで開始され、ソフトウェア"スタック"の最上部まであらゆる方向に拡張される予定である。人工知能(ai)もまた、ネットワークの全レベルにわたってアプリケーションに組み込まれることで、無線ネットワークインフラストラクチャの開発と管理において大きな役割を果たすようになるだろう。
社会にもたらす利益は膨大になるだろう。
同時に、これらのエキサイティングな新しいワイヤレス機能が急速に登場し、幅広い研究課題が待ち受けている。
これらは、ハードウェアとソフトウェアシステムの複雑さの増大と、ユーザのプライバシを同時に保護しながら、堅牢でセキュアなインフラストラクチャを提供する必要性に起因している。
ここでは、これらの課題のいくつかを概説し、それらに取り組むために必要な研究について推奨する。
関連論文リスト
- Beyond 5G Networks: Integration of Communication, Computing, Caching,
and Control [76.13180570097299]
まず、i4Cのさまざまな側面のスナップショットを示し、背景、モチベーション、主要な技術イネーブラー、潜在的なアプリケーション、ユースケースで構成されています。
我々は、i4Cに関連する最先端の研究成果を概観し、従来型と人工知能(AI)ベースの統合アプローチの最近の動向に注目した。
最後に,6Gなどの5Gネットワークを超えて,オープンな課題と今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2022-12-26T12:58:56Z) - Digital Twins for Industry 4.0 in the 6G Era [8.87362871411654]
6Gは将来の知的産業のインフラ的バックボーンとして構想されている。
本稿では, 6G 搭載産業用 DT システムの研究領域について調査する。
論文 参考訳（メタデータ） (2022-10-05T14:01:33Z) - Transformer-Empowered 6G Intelligent Networks: From Massive MIMO
Processing to Semantic Communication [71.21459460829409]
トランスフォーマーとして知られる新しいディープラーニングアーキテクチャを導入し、その6Gネットワーク設計への影響について論じる。
具体的には、6GネットワークにおけるMIMO(Multiple-input multiple-output)システムと様々な意味コミュニケーション問題に対するトランスフォーマーベースのソリューションを提案する。
論文 参考訳（メタデータ） (2022-05-08T03:22:20Z) - Explainable AI for B5G/6G: Technical Aspects, Use Cases, and Research
Challenges [4.7501565899812]
研究者たちは、6Gの帯域幅、カバー範囲、信頼性、エネルギー効率、レイテンシーの低下を期待している。
このような6Gネットワークは、1秒ごとに行われる自動決定の過度な数につながります。
意思決定に対する制御を失うリスクは、高速なデータ集約型AI意思決定によって増大する可能性がある。
論文 参考訳（メタデータ） (2021-12-09T04:46:31Z) - To Talk or to Work: Energy Efficient Federated Learning over Mobile
Devices via the Weight Quantization and 5G Transmission Co-Design [49.95746344960136]
Federated Learning (FL) は,モバイルデバイス間での大規模学習タスクのための新たなパラダイムである。
モバイルデバイス上でFLをサポートする効果的な無線ネットワークアーキテクチャを確立する方法は不明です。
我々は、異種5Gモバイル機器上でのエネルギー効率FLのための無線伝送および重み量子化協調設計を開発する。
論文 参考訳（メタデータ） (2020-12-21T01:13:44Z) - Artificial Intelligence at the Edge [25.451110446336276]
5Gモバイル通信ネットワークは通信容量を増やし、伝送遅延とエラーを低減し、省エネする。
将来の6Gテクノロジーは、可視光通信など、より多くの技術を統合します。
多くのアプリケーションは、アプリケーションのエンドポイントに近い計算と分析を必要とします。つまり、中央集権型クラウドではなく、ネットワークの端にあります。
論文 参考訳（メタデータ） (2020-12-10T02:08:47Z) - A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From
Communications to Sensing and Intelligence [152.89360859658296]
5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。
一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。
一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
論文 参考訳（メタデータ） (2020-10-19T08:56:04Z) - Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。
本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
論文 参考訳（メタデータ） (2020-10-01T02:16:40Z) - Swarm Intelligence for Next-Generation Wireless Networks: Recent
Advances and Applications [39.38804488121544]
Swarm Intelligence(SI)は、無線ネットワークのための有望な最適化ツールとして最近登場した。
本稿では,基本的な概念からよく知られた概念まで,SI技術の概要を紹介する。
次世代無線ネットワークにおける新たな課題を解決するためのSIの応用を概観する。
論文 参考訳（メタデータ） (2020-07-30T04:32:49Z) - Federated Learning for 6G Communications: Challenges, Methods, and
Future Directions [71.31783903289273]
6Gとフェデレーション学習の統合を導入し、6Gのための潜在的なフェデレーション学習アプリケーションを提供する。
6G通信の文脈において,重要な技術的課題,それに対応するフェデレーション学習手法,および今後のフェデレーション学習研究のためのオープンな課題について述べる。
論文 参考訳（メタデータ） (2020-06-04T15:17:19Z) - Redefining Wireless Communication for 6G: Signal Processing Meets Deep
Learning with Deep Unfolding [17.186326961526994]
提案する6G通信アーキテクチャがもたらすサービス要件と課題について述べる。
従来のアルゴリズムの原則とデータに精通したディープラーニングアプローチの欠陥について概説する。
本稿では,将来の6Gネットワークにおいて,ハードウェア効率の高いエッジインテリジェンスを実現するためのオープンな研究課題を動機づける。
論文 参考訳（メタデータ） (2020-04-22T17:20:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。