論文の概要: Digital Twin Channel-Enabled Online Resource Allocation for 6G: Principle, Architecture and Application

• arxiv url: http://arxiv.org/abs/2507.19974v1
• Date: Sat, 26 Jul 2025 15:07:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:56.566727
• Title: Digital Twin Channel-Enabled Online Resource Allocation for 6G: Principle, Architecture and Application
• Title（参考訳）: Digital Twin Channel-Enabled Online Resource Allocation for 6G: Principle, Architecture and Application
• Authors: Tongjie Li, Jianhua Zhang, Li Yu, Yuxiang Zhang, Yunlong Cai, Fan Xu, Guangyi Liu,
• Abstract要約: ホログラフィック通信、自律運転、産業用モノのインターネットといった新しいアプリケーションは、6Gネットワークにおける柔軟性、低レイテンシ、信頼性のあるリソース割り当てに厳しい要件を課している。 統計的モデリングに依存する従来の手法は、一般的な文脈では有効であると証明されているが、特定の環境や動的環境において最適な性能を達成できない可能性がある。 デジタルツインチャネル(DTC)を利用したオンライン最適化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 28.93945060621074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emerging applications such as holographic communication, autonomous driving, and the industrial Internet of Things impose stringent requirements on flexible, low-latency, and reliable resource allocation in 6G networks. Conventional methods, which rely on statistical modeling, have proven effective in general contexts but may fail to achieve optimal performance in specific and dynamic environments. Furthermore, acquiring real-time channel state information (CSI) typically requires excessive pilot overhead. To address these challenges, a digital twin channel (DTC)-enabled online optimization framework is proposed, in which DTC is employed to predict CSI based on environmental sensing. The predicted CSI is then utilized by lightweight game-theoretic algorithms to perform online resource allocation in a timely and efficient manner. Simulation results based on a digital replica of a realistic industrial workshop demonstrate that the proposed method achieves throughput improvements of up to 11.5\% compared with pilot-based ideal CSI schemes, validating its effectiveness for scalable, low-overhead, and environment-aware communication in future 6G networks.
• Abstract（参考訳）: ホログラフィック通信、自律運転、産業用モノのインターネットといった新しいアプリケーションは、6Gネットワークにおける柔軟性、低レイテンシ、信頼性のあるリソース割り当てに厳しい要件を課している。 統計的モデリングに依存する従来の手法は、一般的な文脈では有効であると証明されているが、特定の環境や動的環境において最適な性能を達成できない可能性がある。 さらに、リアルタイムチャネル状態情報(CSI)を取得するには、通常、過剰なパイロットオーバヘッドが必要となる。 これらの課題に対処するために,デジタルツインチャネル(DTC)を利用したオンライン最適化フレームワークを提案する。 予測されたCSIは、軽量なゲーム理論アルゴリズムを用いて、タイムリーかつ効率的なオンラインリソース割り当てを行う。 リアルな産業ワークショップのデジタルレプリカに基づくシミュレーションの結果,提案手法はパイロットベースの理想的なCSI方式と比較して最大11.5倍のスループット向上を実現し,将来の6Gネットワークにおけるスケーラビリティ,低オーバヘッド,環境対応通信の有効性を検証した。

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)
• An Efficient Privacy-aware Split Learning Framework for Satellite Communications [33.608696987158424]
  衛星通信におけるより効率的なSLのための新しいフレームワークを提案する。 我々のアプローチであるDynamic Topology Informed Pruningは、分散学習のためのグラフニューラルネットワークを最適化するために、差分プライバシとグラフとモデルプルーニングを組み合わせる。 当社のフレームワークは,衛星通信の運用効率を大幅に向上するだけでなく,プライバシに配慮した分散学習の新たなベンチマークも確立している。
  論文  参考訳（メタデータ） (2024-09-13T04:59:35Z)
• Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
  AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。 コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。 本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
  論文  参考訳（メタデータ） (2024-06-22T11:17:50Z)
• Digital Twin-Enhanced Deep Reinforcement Learning for Resource Management in Networks Slicing [46.65030115953947]
  本稿では,デジタルツインと強化学習エージェントからなるフレームワークを提案する。 具体的には、歴史的データとニューラルネットワークを用いて、実環境の状態変動則をシミュレートするデジタルツインモデルを構築することを提案する。 また、このフレームワークをオフラインで強化学習に拡張し、歴史的データのみに基づいたインテリジェントな意思決定にソリューションを利用できるようにします。
  論文  参考訳（メタデータ） (2023-11-28T15:25:14Z)
• Human Activity Recognition from Wi-Fi CSI Data Using Principal Component-Based Wavelet CNN [3.9533044769534444]
  HAR(Human Activity Recognition)は、監視、セキュリティ、医療分野に応用された新興技術である。 実用リアルタイムアプリケーションにロバスト性と効率性を提供する新しいアプローチとして,主成分に基づくウェーブレット畳み込みニューラルネットワーク(PCWCNN)を提案する。 提案したPCWCNNモデルが,既存のアプローチよりも優れた実データセットで非常によく動作することを実証的に示す。
  論文  参考訳（メタデータ） (2022-12-26T13:45:19Z)
• Toward Adaptive Semantic Communications: Efficient Data Transmission via Online Learned Nonlinear Transform Source-Channel Coding [11.101344530143303]
  深層学習モデルの過剰適合性を利用したオンライン学習型ジョイントソースとチャネルコーディング手法を提案する。 具体的には,市販の事前訓練型モデルを軽量なオンライン方式で展開し,ソースデータと環境領域の分散シフトに適応させる。 私たちはオーバーフィットの概念を極端に捉え、モデルや表現を個々のデータやチャネル状態インスタンスに適応させる実装フレンドリな一連のメソッドを提案します。
  論文  参考訳（メタデータ） (2022-11-08T16:00:27Z)
• Multi-Exit Semantic Segmentation Networks [78.44441236864057]
  本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。 パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。 接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
  論文  参考訳（メタデータ） (2021-06-07T11:37:03Z)
• Deep Learning-based Resource Allocation For Device-to-Device Communication [66.74874646973593]
  デバイス間通信(D2D)を用いたマルチチャネルセルシステムにおいて,リソース割り当ての最適化のためのフレームワークを提案する。 任意のチャネル条件に対する最適な資源配分戦略をディープニューラルネットワーク(DNN)モデルにより近似する深層学習(DL)フレームワークを提案する。 シミュレーションの結果,提案手法のリアルタイム性能を低速で実現できることが確認された。
  論文  参考訳（メタデータ） (2020-11-25T14:19:23Z)
• Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots [58.980293789967575]
  通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。 室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。 調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
  論文  参考訳（メタデータ） (2020-11-23T21:45:01Z)

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。