論文の概要: Potential Enabling Technologies for 7G Networks: Survey

• arxiv url: http://arxiv.org/abs/2408.11072v1
• Date: Sun, 18 Aug 2024 08:03:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 21:36:42.760754
• Title: Potential Enabling Technologies for 7G Networks: Survey
• Title（参考訳）: 7Gネットワークの可能性:サーベイ
• Authors: Savo Glisic,
• Abstract要約: 6Gと7Gのイノベーションの第2のクラスでは、高度なMLとAI全般の最適な統合に重点を置いています。 量子技術を導入することで、7Gはネット上の計算プロセスを高速化し、ネットワークセキュリティを強化し、分散QCを可能にする。
• 参考スコア（独自算出の注目度）: 0.31908919831471466
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Every new generation of mobile networks brings significant advances in two segments, enhancement of the network parameters within the legacy technologies and introduction of new technologies enabling new paradigms in designing the networks. In the first class of enhancements the effort is to increase data rates, improve energy efficiency, enhance connectivity, reduce data transmission latency etc. In the second class of innovations for 6G and 7G, we anticipate focus on optimum integration of advanced ML and AI in general, and quantum computing with the continuous interest in the satellite networks for optimal quantum key distribution . By introducing quantum technology 7G will be able to speed up computing processes in the net, enhance network security as well as to enable distributed QC, which is a new paradigm in computer sciences. Using advanced networks as a basic ingredient of inter system integration, here we focus only on the second segment of anticipated innovations in networking and present a survey of the subset of potential technology enablers for the above concept with special emphasis on the inter dependency of the solutions chosen in different segments of the network. In Section II, we present several anticipated 6G/7G (system of systems type) network optimization examples resulting in a new paradigm of network optimization indicating a need for quantum computing and quantum computing based optimization algorithms. In Section III we survey work on quantum cryptography and QKD.
• Abstract（参考訳）: 新しい世代のモバイルネットワークは、レガシー技術におけるネットワークパラメータの強化と、ネットワークの設計における新しいパラダイムを実現する新しい技術の導入という、2つの分野において大きな進歩をもたらす。 第一級の強化では、データレートの向上、エネルギー効率の向上、接続性の向上、データ転送遅延の削減などに取り組んでいる。 6Gと7Gのイノベーションの第2のクラスでは、高度なMLとAIの一般的にの最適統合と、最適な量子鍵分布のための衛星ネットワークへの継続的な関心を伴う量子コンピューティングに焦点が当てられている。 量子技術の導入によって、7Gはネット上のコンピューティングプロセスを高速化し、ネットワークセキュリティを強化し、分散QCを可能にする。 本稿では、先進的なネットワークをシステム間統合の基本的な要素として用いて、ネットワークにおける期待されるイノベーションの第2セグメントのみに着目し、ネットワークの異なるセグメントで選択されたソリューションの相互依存性に特化して、上記の概念に対する潜在的な技術イネーブラーのサブセットについて調査する。 第2節では、期待されている6G/7G(システム型)ネットワーク最適化の例を紹介し、量子コンピューティングと量子コンピューティングに基づく最適化アルゴリズムの必要性を示す新しいネットワーク最適化のパラダイムを提示する。 第III節では量子暗号とQKDの研究について調査する。

関連論文リスト

• Multiple Access in the Era of Distributed Computing and Edge Intelligence [23.65754442262314]
  まず,マルチアクセスエッジコンピューティング(MEC)について検討し,ネットワークのエッジにおけるデータ処理と計算能力の増大に対応するために重要である。 次に,様々な関数を高速かつ効率的に計算する手法として,OTA(Over-the-air)コンピューティングについて検討する。 機械学習(ML)とマルチアクセステクノロジの分離についても、フェデレーションラーニング、強化ラーニング、MLベースのマルチアクセスプロトコルの開発に重点が置かれている。
  論文  参考訳（メタデータ） (2024-02-26T11:04:04Z)
• Generative AI-enabled Quantum Computing Networks and Intelligent Resource Allocation [80.78352800340032]
  量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。 量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。 我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
  論文  参考訳（メタデータ） (2024-01-13T17:16:38Z)
• Optimization Design for Federated Learning in Heterogeneous 6G Networks [27.273745760946962]
  フェデレーテッド・ラーニング(FL)は、6GネットワークでユビキタスAIを実現するための重要な実現手段として期待されている。 6Gネットワークにおける有効かつ効率的なFL実装には、いくつかのシステムおよび統計的不均一性の課題がある。 本稿では,これらの課題に効果的に対処できる最適化手法について検討する。
  論文  参考訳（メタデータ） (2023-03-15T02:18:21Z)
• DQC$^2$O: Distributed Quantum Computing for Collaborative Optimization in Future Networks [54.03701670739067]
  本稿では、将来のネットワークにおける最適化タスクを解決するために、量子コンピュータと量子チャネルを管理するための適応型分散量子コンピューティング手法を提案する。 提案手法に基づいて,スマートグリッド管理やIoT連携,UAV軌道計画など,今後のネットワークにおける協調最適化の潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-09-16T02:44:52Z)
• 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)
• The Computational and Latency Advantage of Quantum Communication Networks [70.01340727637825]
  本稿では,従来の通信ネットワークの現状を要約する。 量子技術を活用することでのみ解決できる、いくつかの重要なオープンな研究課題を特定します。
  論文  参考訳（メタデータ） (2021-06-07T06:31:02Z)
• Entanglement Rate Optimization in Heterogeneous Quantum Communication Networks [79.8886946157912]
  量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。 近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。 量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
  論文  参考訳（メタデータ） (2021-05-30T11:34:23Z)
• Data-Driven Random Access Optimization in Multi-Cell IoT Networks with NOMA [78.60275748518589]
  非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。 本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。 ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
  論文  参考訳（メタデータ） (2021-01-02T15:21:08Z)
• Methods for Accelerating Geospatial Data Processing Using Quantum Computers [0.0]
  本稿では,畳み込みニューラルネットワークに対する普遍量子エンハンスメントを用いた衛星画像分類手法について述べる。 この領域では、これまでの量子的取り組みよりもパフォーマンスが向上し、最終的に量子的優位性につながる可能性のある潜在的な改善が特定できる。 SAT-4衛星画像データセットを用いてこれらのネットワークをベンチマークし、宇宙産業における機械学習技術の有用性を実証する。
  論文  参考訳（メタデータ） (2020-04-07T02:14:51Z)

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。