論文の概要: Autonomous Discovery of Wireless Communications Algorithms

• arxiv url: http://arxiv.org/abs/2607.17762v1
• Date: Mon, 20 Jul 2026 09:53:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.58028
• Title: Autonomous Discovery of Wireless Communications Algorithms
• Title（参考訳）: 無線通信アルゴリズムの自律的発見
• Abstract要約: AI Telco Engineer(AITE)は,複雑な通信問題のアルゴリズムを自律的に設計するフレームワークである。 AITEは、最強のベースラインに比べて計算遅延を3.6倍に減らしながら、最もよく知られたソリューションより優れたアルゴリズムを開発する。 第2のタスクでは、最先端のニューラル受信機と同等のパフォーマンスを達成するための、最初の明示的で説明可能なアルゴリズムを発見する。
• 参考スコア（独自算出の注目度）: 46.20289411288638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM)-driven evolutionary search is an emerging algorithm-discovery paradigm that has already produced novel results in several scientific fields. Yet its application to wireless communications remains largely unexplored. To bridge this gap, we introduce The AI Telco Engineer (AITE), a framework to autonomously design algorithms for complex communication problems, while navigating performance-complexity tradeoffs. We showcase AITE on two challenging physical-layer problems: designing an equalizer for an orthogonal time-frequency space (OTFS) system, and constructing a receiver algorithm for an orthogonal frequency-division multiplexing (OFDM) system using a custom constellation and operating without pilots. For the first task, AITE develops algorithms that outperform the best-known solutions while reducing computational latency by a factor of 3.6 compared to the strongest baseline. For the second task, it discovers the first explicit, explainable algorithms that achieve performance parity with state-of-the-art neural receivers. These results demonstrate the strong potential of LLM-driven evolutionary search for the autonomous discovery of next-generation wireless communications algorithms.
• Abstract（参考訳）: 大規模言語モデル(LLM)による進化的探索は、いくつかの科学分野において既に新しい結果を生み出しているアルゴリズム発見パラダイムである。 しかし、無線通信への応用はほとんど未調査のままである。 このギャップを埋めるために、我々はAITE(The AI Telco Engineer)を紹介します。 本稿では, 直交時間周波数空間(OTFS)の等化器の設計と, カスタムコンステレーションを用いた直交周波数分割多重化(OFDM)システムの受信アルゴリズムの構築, パイロットなしでの運用の2つの課題について紹介する。 最初のタスクでは、AITEは最強のベースラインに比べて計算遅延を3.6倍に減らしながら、最もよく知られたソリューションを上回るアルゴリズムを開発した。 第2のタスクでは、最先端のニューラル受信機と同等のパフォーマンスを達成するための、最初の明示的で説明可能なアルゴリズムを発見する。 これらの結果は、次世代無線通信アルゴリズムの自律的発見のためのLLM駆動進化探索の強い可能性を示している。

関連論文リスト

• The AI Telco Engineer: Toward Autonomous Discovery of Wireless Communications Algorithms [45.527888843164284]
  本稿では,エージェントAIが無線通信アルゴリズムを自律的に設計する能力について検討する。 我々は,大規模言語モデル(LLM)を利用して,候補アルゴリズムを反復的に生成し,評価し,洗練する専用フレームワークを実装した。 その結果,フレームワークは数時間で,従来のベースラインよりも優れたアルゴリズムを生成できることがわかった。
  論文  参考訳（メタデータ） (2026-04-11T04:57:55Z)
• Automated Algorithmic Discovery for Gravitational-Wave Detection Guided by LLM-Informed Evolutionary Monte Carlo Tree Search [8.633654445285892]
  本稿では,大規模言語モデル(LLM)ガイダンスとドメイン認識の物理的制約を統合して,重力波の自動検出を提案する。 MLGWSC-1ベンチマークデータセット上で,最先端の重力波検出アルゴリズムの性能向上を示す。 本フレームワークは,計算科学領域にまたがる自動アルゴリズム発見のための伝達可能な手法を確立する。
  論文  参考訳（メタデータ） (2025-08-05T17:18:20Z)
• Dynamic Location Search for Identifying Maximum Weighted Independent Sets in Complex Networks [0.47248250311484113]
  本稿では,最大重み付き独立集合(MWIS)問題を解くための,新しい,効率的なアルゴリズムを提案する。 MWIS問題のNPハード性を考えると,提案アルゴリズムであるDynLSには3つの重要なイノベーションが組み込まれている。 我々の実験結果はDynLSの優れた性能を示し、1000秒以内の高品質なソリューションを一貫して提供した。
  論文  参考訳（メタデータ） (2025-05-07T10:35:53Z)
• Aerial Secure Collaborative Communications under Eavesdropper Collusion in Low-altitude Economy: A Generative Swarm Intelligent Approach [84.20358039333756]
  本研究では,AAV群に分散コラボレーティブビームフォーミング(DCB)を導入し,対応する信号分布を制御して盗聴者の共謀を処理した。 両方向の秘密保持能力と最大サイドローブレベルを最小化して、未知の盗聴者からの情報漏洩を回避する。 本稿では,より少ないオーバーヘッドで問題を解決するために,新しいジェネレーティブ・スウォーム・インテリジェンス(GenSI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-02T04:02:58Z)
• tnGPS: Discovering Unknown Tensor Network Structure Search Algorithms via Large Language Models (LLMs) [31.69308712027795]
  本研究では,大規模言語モデルを用いてテンソルネットワーク構造探索(TN-SS)アルゴリズムの自動探索を行う。 人間の研究者による研究の革新を観察することにより,tnGPSと呼ばれる自動アルゴリズム発見フレームワークを提案する。 提案するフレームワークは、LCMに反復的な改良と拡張を通じて新しいTN-SSアルゴリズムを生成するよう指示する精巧なプロンプトパイプラインである。
  論文  参考訳（メタデータ） (2024-02-04T12:06:13Z)
• Deep-Unfolding for Next-Generation Transceivers [49.338084953253755]
  次世代マルチインプット・マルチアウトプット(MIMO)トランシーバの定義に関する研究が進められている。 無線通信における先進トランシーバーの設計において、しばしば反復アルゴリズムにつながる最適化アプローチは大きな成功を収めた。 ディープニューラルネットワーク(DNN)で反復アルゴリズムを近似するディープラーニングは、計算時間を著しく短縮することができる。 ディープラーニングと反復アルゴリズムの両方の利点を取り入れたディープアンフォールディングが登場し、反復アルゴリズムを階層的な構造に展開している。
  論文  参考訳（メタデータ） (2023-05-15T02:13:41Z)
• Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for Cellular Offloading [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T20:22:05Z)
• Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
  本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。 古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。 提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
  論文  参考訳（メタデータ） (2020-06-15T02:57:57Z)

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。