論文の概要: AI/ML Life Cycle Management for Interoperable AI Native RAN
- arxiv url: http://arxiv.org/abs/2507.18538v2
- Date: Sat, 26 Jul 2025 05:17:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 12:09:50.629404
- Title: AI/ML Life Cycle Management for Interoperable AI Native RAN
- Title(参考訳): 相互運用可能なAIネイティブRANのためのAI/MLライフサイクル管理
- Authors: Chu-Hsiang Huang, Chao-Kai Wen, Geoffrey Ye Li,
- Abstract要約: 人工知能(AI)と機械学習(ML)モデルは、5Gラジオアクセスネットワーク(RAN)を急速に浸透させている
これらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
- 参考スコア(独自算出の注目度): 50.61227317567369
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence (AI) and machine learning (ML) models are rapidly permeating the 5G Radio Access Network (RAN), powering beam management, channel state information (CSI) feedback, positioning, and mobility prediction. However, without a standardized life-cycle management (LCM) framework, challenges, such as model drift, vendor lock-in, and limited transparency, hinder large-scale adoption. 3GPP Releases 16-20 progressively evolve AI/ML from experimental features to managed, interoperable network functions. Beginning with the Network Data Analytics Function (NWDAF) in Rel-16, subsequent releases introduced standardized interfaces for model transfer, execution, performance monitoring, and closed-loop control, culminating in Rel-20's two-sided CSI-compression Work Item and vendor-agnostic LCM profile. This article reviews the resulting five-block LCM architecture, KPI-driven monitoring mechanisms, and inter-vendor collaboration schemes, while identifying open challenges in resource-efficient monitoring, environment drift detection, intelligent decision-making, and flexible model training. These developments lay the foundation for AI-native transceivers as a key enabler for 6G.
- Abstract(参考訳): 人工知能(AI)と機械学習(ML)モデルは、5G Radio Access Network(RAN)、パワービーム管理、チャネル状態情報(CSI)フィードバック、位置決め、移動予測を急速に浸透させている。
しかし、標準化されたライフサイクル管理(LCM)フレームワークがなければ、モデルドリフト、ベンダーロックイン、透明性の制限といった課題が大規模な採用を妨げることになる。
3GPPは、実験機能から管理可能な相互運用可能なネットワーク機能まで、AI/MLを段階的に進化させた16-20をリリースする。
Rel-16のNetwork Data Analytics Function (NWDAF)から、その後のリリースでは、モデル転送、実行、パフォーマンス監視、クローズドループ制御のための標準化されたインターフェースが導入され、Rel-20の2面のCSI圧縮ワークアイテムとベンダーに依存しないLCMプロファイルが完成した。
本稿では、リソース効率の監視、環境ドリフトの検出、インテリジェントな意思決定、フレキシブルなモデルトレーニングにおけるオープンな課題を特定しながら、結果として生じる5ブロックLCMアーキテクチャ、KPI駆動の監視機構、ベンダー間コラボレーションスキームについてレビューする。
これらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
関連論文リスト
- Symbiotic Agents: A Novel Paradigm for Trustworthy AGI-driven Networks [2.5782420501870296]
大規模言語モデル(LLM)に基づく自律エージェントは、6Gネットワークの進化において重要な役割を果たすことが期待されている。
我々は、LLMのリアルタイム最適化アルゴリズムをTrustworthy AIに組み合わせた新しいエージェントパラダイムを導入する。
本稿では,AGIネットワークのエンドツーエンドアーキテクチャを提案し,移動車からのチャネル変動をキャプチャする5Gテストベッド上で評価する。
論文 参考訳(メタデータ) (2025-07-23T17:01:23Z) - Open-Source LLM-Driven Federated Transformer for Predictive IoV Management [1.8024397171920885]
Federated Prompt-d Traffic Transformer (FPoTT)は、オープンソースのLarge Language Modelsを利用して予測IoV管理を行う新しいフレームワークである。
FPoTTは動的プロンプト最適化機構を導入し、テキストプロンプトを反復的に洗練して軌道予測を強化する。
このアーキテクチャは、リアルタイム推論のための軽量エッジモデルと、グローバルインテリジェンスを維持するためのクラウドベースのLLMを組み合わせた、二重層フェデレーション学習パラダイムを採用している。
論文 参考訳(メタデータ) (2025-05-01T16:54:21Z) - Enhancing 5G O-RAN Communication Efficiency Through AI-Based Latency Forecasting [2.3784320672898227]
本稿では,関数型O-RANプロトタイプに統合された人工知能駆動の遅延予測システムを提案する。
このシステムは、双方向の長期記憶モデルを使用して、FlexRICで構築されたスケーラブルでオープンソースのフレームワーク内で、リアルタイムで遅延を予測する。
実験の結果、モデルの有効性が示され、0.04未満の損失測定値が得られ、ダイナミックな5G環境に適用可能であることが証明された。
論文 参考訳(メタデータ) (2025-02-25T10:11:48Z) - Network Resource Optimization for ML-Based UAV Condition Monitoring with Vibration Analysis [54.550658461477106]
条件監視(CM)は機械学習(ML)モデルを使用して異常および異常な条件を識別する。
本研究では,MLベースのUAV CMフレームワークにおけるネットワークリソースの最適化について検討する。
次元削減技術を活用することで、ネットワークリソース消費の99.9%が削減される。
論文 参考訳(メタデータ) (2025-02-21T14:36:12Z) - Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳(メタデータ) (2025-02-17T03:05:20Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳(メタデータ) (2022-08-17T03:00:24Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳(メタデータ) (2022-01-13T15:20:45Z)
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。