論文の概要: Toward Digital Network Twins: Integrating Sionna RT in ns-3 for 6G Multi-RAT Networks Simulations

• arxiv url: http://arxiv.org/abs/2501.00372v2
• Date: Tue, 07 Jan 2025 15:09:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-08 15:47:49.199811
• Title: Toward Digital Network Twins: Integrating Sionna RT in ns-3 for 6G Multi-RAT Networks Simulations
• Title（参考訳）: ディジタルネットワークツインに向けて:6GマルチRATネットワークシミュレーションのためのns-3におけるSionna RTの統合
• Authors: Roberto Pegurri, Francesco Linsalata, Eugenio Moro, Jakob Hoydis, Umberto Spagnolini,
• Abstract要約: この研究は、ns-3とSionna RTの統合を導入し、最初のオープンソースフルスタックDigital Network Twin(DNT)の基礎を確立した。 挑戦的な車両都市シナリオでテストした結果、提案手法は、無線チャネルを正確にモデル化し、そのカスケード効果を高いネットワーク層に与えることを示す。 この研究は6G研究、トレーニング、ネットワーク管理のためのレイトレーシングシミュレーションの変換可能性を強調している。
• 参考スコア（独自算出の注目度）: 14.335035066596548
• License:
• Abstract: The increasing complexity of 6G systems demands innovative tools for network management, simulation, and optimization. This work introduces the integration of ns-3 with Sionna RT, establishing the foundation for the first open source full-stack Digital Network Twin (DNT) capable of supporting multi-RAT. By incorporating a deterministic ray tracer for precise and site-specific channel modeling, this framework addresses limitations of traditional stochastic models and enables realistic, dynamic, and multilayered wireless network simulations. Tested in a challenging vehicular urban scenario, the proposed solution demonstrates significant improvements in accurately modeling wireless channels and their cascading effects on higher network layers. With up to 65% observed differences in application-layer performance compared to stochastic models, this work highlights the transformative potential of ray-traced simulations for 6G research, training, and network management.
• Abstract（参考訳）: 6Gシステムの複雑さの増大は、ネットワーク管理、シミュレーション、最適化のための革新的なツールを必要とする。 この研究は、ns-3とSionna RTの統合を導入し、マルチRATをサポートする最初のオープンソースフルスタックデジタルネットワークTwin(DNT)の基礎を確立した。 このフレームワークは、精密でサイト固有のチャネルモデリングのための決定論的レイトレーサを組み込むことで、従来の確率モデルの限界に対処し、現実的で動的で多層的な無線ネットワークシミュレーションを可能にする。 挑戦的な車両都市シナリオでテストした結果、提案手法は、無線チャネルを正確にモデル化し、そのカスケード効果を高いネットワーク層に与えることを示す。 確率モデルと比較して最大65%のアプリケーション層性能の違いが観察され、この研究は6G研究、トレーニング、ネットワーク管理のためのレイトレーシングシミュレーションの変換可能性を強調している。

関連論文リスト

• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• Multi-Objective Neural Architecture Search for In-Memory Computing [0.5892638927736115]
  我々は、インメモリコンピューティングアーキテクチャに多様な機械学習(ML)タスクをデプロイする効率を高めるために、ニューラルネットワークサーチ(NAS)を採用している。 IMCアーキテクチャ展開のためのNASアプローチの評価は、3つの異なる画像分類データセットにまたがる。
  論文  参考訳（メタデータ） (2024-06-10T19:17:09Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Mapping Wireless Networks into Digital Reality through Joint Vertical and Horizontal Learning [26.54703150478879]
  VH-Twinは、無線ネットワークをデジタルリアリティーにマッピングする時系列データ駆動フレームワークである。 V-ツインニングは分散学習技術を利用して、ネットワーククラスタから協調的にグローバルツインモデルを初期化する。 一方、H-ツインニングは、ネットワークや環境の変化に応じて動的に双子のモデルを更新する非同期マッピング方式で実装されている。
  論文  参考訳（メタデータ） (2024-04-22T18:02:17Z)
• Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
  オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。 総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-03-21T02:33:37Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• Artificial Intelligence in Vehicular Wireless Networks: A Case Study Using ns-3 [18.54699818319184]
  無線ネットワーク最適化のためのAIアルゴリズムを実装可能なns-3シミュレーションフレームワークを提案する。 パイプラインは、(i)V2Xのための新しい幾何学ベースのモビリティ依存チャネルモデル、(ii)5G-NR準拠プロトコルスタックのすべての層、(iii)V2Xデータ伝送をシミュレートする新しいアプリケーションで構成される。
  論文  参考訳（メタデータ） (2022-03-10T16:20:54Z)
• Dynamic Slimmable Network [105.74546828182834]
  ダイナミックスリム化システム「ダイナミックスリム化ネットワーク(DS-Net)」を開発。 ds-netは,提案するダブルヘッド動的ゲートによる動的推論機能を備えている。 静的圧縮法と最先端の静的および動的モデル圧縮法を一貫して上回っている。
  論文  参考訳（メタデータ） (2021-03-24T15:25:20Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)
• Sequence-to-Sequence Load Disaggregation Using Multi-Scale Residual Neural Network [4.094944573107066]
  非侵入負荷モニタリング(Non-Intrusive Load Monitoring, NILM)は、電力をモニタするコスト効率の高い方法として、ますます注目されている。 ディープニューラルネットワークは、負荷分散の分野で大きな可能性を示している。
  論文  参考訳（メタデータ） (2020-09-25T17:41:28Z)
• Connectivity-informed Drainage Network Generation using Deep Convolution Generative Adversarial Networks [1.7942265700058988]
  すでに生成されたネットワークサンプルから排水網を再現するために,DCGAN(Deep Convolutional Generative Adversarial Networks)を適用した。 ドレインジネットワーク画像からドレインジネットワークの各ノード上の流れの方向情報に変換する新しい接続インフォームド手法を開発した。
  論文  参考訳（メタデータ） (2020-06-16T20:35:48Z)

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。