論文の概要: A Geometric Algebra-informed NeRF Framework for Generalizable Wireless Channel Prediction

• arxiv url: http://arxiv.org/abs/2604.11983v1
• Date: Mon, 13 Apr 2026 19:20:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.0826
• Title: A Geometric Algebra-informed NeRF Framework for Generalizable Wireless Channel Prediction
• Title（参考訳）: 一般化可能な無線チャネル予測のための幾何学的代数インフォームドNeRFフレームワーク
• Authors: Jingzhou Shen, Luis Lago Enamorado, Shiwen Mao, Xuyu Wang,
• Abstract要約: 無線チャネル予測のための幾何代数インフォームドニューラル放射場(GAI-NeRF)を提案する。 我々のアプローチにはグローバルトークン表現が組み込まれており、言語や視覚領域のトランスフォーマーアーキテクチャからインスピレーションを得ている。 GAI-NeRFはチャネル予測タスクにおいて優れた性能を発揮することを示す実験結果を得た。
• 参考スコア（独自算出の注目度）: 28.17627433640575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose the geometric algebra-informed neural radiance fields (GAI-NeRF), a novel framework for wireless channel prediction that leverages geometric algebra attention mechanisms to capture ray-object interactions in complex propagation environments. Our approach incorporates global token representations, drawing inspiration from transformer architectures in language and vision domains, to aggregate learned spatial-electromagnetic features and enhance scene understanding. We identify limitations in conventional static ray tracing modules that hinder model generalization and address this challenge through a new ray tracing architecture. This design enables effective generalization across diverse wireless scenarios while maintaining computational efficiency. Experimental results demonstrate that GAI-NeRF achieves superior performance in channel prediction tasks by combining geometric algebra principles with neural scene representations, offering a promising direction for next-generation wireless communication systems. Moreover, GAI-NeRF greatly outperforms existing methods across multiple wireless scenarios. To ensure comprehensive assessment, we further evaluate our approach against multiple benchmarks using newly collected real-world indoor datasets tailored for single-scene downstream tasks and generalization testing, confirming its robust performance in unseen environments and establishing its high efficacy for wireless channel prediction.
• Abstract（参考訳）: 本稿では,無線チャネル予測のための新しいフレームワークであるGAI-NeRF(Geoge algebra-informed Neural Radiance Field)を提案する。 提案手法は,グローバルなトークン表現を取り入れ,言語や視覚領域のトランスフォーマーアーキテクチャからインスピレーションを得て,学習した空間-電磁的特徴を集約し,シーン理解を強化する。 モデル一般化を妨げる従来の静的レイトレーシングモジュールの制約を特定し,新しいレイトレーシングアーキテクチャによってこの問題に対処する。 この設計は、計算効率を保ちながら、様々な無線シナリオにまたがる効果的な一般化を可能にする。 実験により、GAI-NeRFは、幾何学代数の原理とニューラルシーン表現を組み合わせることにより、チャネル予測タスクにおいて優れた性能を達成し、次世代無線通信システムに有望な方向性を提供することを示した。 さらに、GAI-NeRFは、複数の無線シナリオで既存の手法を大幅に上回っている。 総合的な評価を確保するため、単シーンダウンストリームタスクに適した新しい実世界の屋内データセットと一般化テストを用いて、複数のベンチマークに対するアプローチをさらに評価し、未確認環境におけるロバストな性能を確認し、無線チャネル予測に高い有効性を確立する。

関連論文リスト

• An Efficient and Explainable KAN Framework forWireless Radiation Field Prediction [11.080227212115199]
  近年のニューラルネットワークは無線周波数(RF)信号伝搬パターンを学習できるが、それぞれのボクセルを独立して処理する。 本稿では,個々の点ではなく,完全線の包括的表現を学習する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2026-01-15T20:00:04Z)
• GeNeRT: A Physics-Informed Approach to Intelligent Wireless Channel Modeling via Generalizable Neural Ray Tracing [40.29573574383523]
  一般化,精度,効率を向上した一般化可能なニューラルRTフレームワークであるGeNeRTを提案する。 Fresnelにインスパイアされたニューラルネットワーク設計を取り入れることで、マルチパスコンポーネント(MPC)予測の精度も向上する。 屋外シナリオで行われた実験では、GeNeRTはシナリオ内の訓練されていない領域と完全に見えない環境にまたがってうまく一般化されていることが示されている。
  論文  参考訳（メタデータ） (2025-06-23T05:17:01Z)
• Over-the-Air Edge Inference via End-to-End Metasurfaces-Integrated Artificial Neural Networks [29.28415364984592]
  エッジ推論(EI)のための準曲面統合ニューラルネットワーク(MINN)の枠組みを提案する。 MINNは、EI要求を大幅に単純化し、トレーニングに比べて50ドル以下で、ほぼ最適性能を達成できる。
  論文  参考訳（メタデータ） (2025-03-31T21:14:09Z)
• Rydberg Atomic Quantum Receivers for Classical Wireless Communications and Sensing: Their Models and Performance [78.76421728334013]
  ライドバーグ原子量子受信機(Rydberg atomic quantum receivers, RAQRs)は、高周波(RF)信号の電界を検出するための卓越した溶液である。 本稿では,無線コミュニティに対して,エンドツーエンドの受信方式を提示することでRAQRを導入する。 次に,現実的な受信フローに依存する等価なベースバンド信号モデルを開発する。
  論文  参考訳（メタデータ） (2024-12-07T06:25:54Z)
• 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)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Multi-task Learning Approach for Modulation and Wireless Signal Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
  将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。 我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。 公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
  論文  参考訳（メタデータ） (2022-02-26T14:51:02Z)
• ChaRRNets: Channel Robust Representation Networks for RF Fingerprinting [0.0]
  RFフィンガープリントのための複雑値畳み込みニューラルネットワーク(CNN)を提案する。 我々は,深層学習(dl)技術を用いた無線iotデバイスの指紋認証の問題に注目する。
  論文  参考訳（メタデータ） (2021-05-08T03:03:21Z)
• Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
  RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
  論文  参考訳（メタデータ） (2020-10-09T05:35:27Z)
• Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
  インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。 IRSは無線チャネルを動的に変更して通信性能を向上させることができる。 その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
  論文  参考訳（メタデータ） (2020-07-06T13:59:09Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。