XiaoMi-AI文件搜索系统
World File Search System无线网络
创新光学和无线网络全球...
为了满足 IOWN 用例的极端带宽和延迟要求，IOWN GF 定义了一个名为开放全光子网络 (APN) 的新网络，并于 2022 年初发布了其 Release 1 架构文档。APN 是一个基于波长交换的面向连接的网络，支持各种物理部署场景，包括在客户场所部署波长复用/交换节点的场景。这种部署灵活性来自 APN 的开放和分解架构，它定义了三个功能组件，分别是 APN-T（收发器）、APN-G（网关）和 APN-I（交换）。通过在通信端点之间动态创建光波长连接，APN 实现了非常高的速度和非常低的延迟的数据传输，例如数十/数百 Gbps 和不到一毫秒。通过这种方式，APN 将有效且高效地支持 IOWN GF 用例。
计算软件包内无线网络的多通道媒体访问控制协议
摘要 - 由于其低延迟，固有的广播性质和绕过销售限制的限制，芯片量表上的无用通信是对传统电线方法的有趣补充。然而，随着当前趋势推向巨大的和带宽的处理器体系结构，需要无线芯片尺度网络来利用和共享尽可能多的频道。在此上下文中，这项工作通过探索芯片级网络的多通道中型访问控制（MAC）协议的设计空间来解决渠道共享的问题。在现实的交通模式下，呈现和评估了随机访问和代币传递的不同渠道分配策略。表明，即使通过多个渠道实现了改进，这两个协议都保持了其内在优势和缺点。
Bariah, Lina；Sari, Hikmet；Debbah, Merouane (2022)：数字孪生赋能的智慧城市：无线网络的新前沿。TechRxiv。预印本。https://doi.org/10.36227/techrxiv.20375325.v1
摘要 — 无线网络的未来发展方向是释放智慧城市应用中虚拟化和数字化服务所提供的机遇，旨在提高体验质量（QoE）并为现代城市带来多种优势。根据网络虚拟化领域的快速发展，我们预见未来的智慧城市将无处不在地部署由人工智能（AI）控制的虚拟化组件，即数字孪生（DT）范式的概念化。DT 的关键原理依赖于创建无线网络元素的整体表示，除了将与物理对象和动态相关的信息解耦为信息孪生之外，还依赖于创建无线网络元素的整体表示。然后，信息孪生将利用这些信息进行 AI 模型训练，然后进行推理和决策操作，然后将这些操作反映到物理环境中，以提高可持续性。受此启发，我们在本文中提出了将数字孪生技术融入智慧城市应用的前瞻性愿景，以及无线技术作为数字孪生技术的推动者与推动者所发挥的相互交织的作用。此外，我们勾勒出路线图，以确定数字孪生技术在 6G 智慧城市中的局限性，并为不同设计方面的进一步发展开辟新视野。
NextG 无线网络与计算智能交汇处的工业数字孪生：一项调查
通过融合最新的通信和控制技术、计算和数据分析技术以及模块化制造，工业 4.0 促进通过信息物理系统 (CPS) 和数字孪生 (DT) 集成信息物理世界，以监控、优化和预测工业过程。DT 支持与工业物理对象/过程的数字图像进行交互，以模拟、分析和控制它们的实时运行。随着工业物联网 (IIoT)、边缘和云计算、机器学习、人工智能和高级数据分析等跨学科的进步，DT 正在众多行业中迅速传播。然而，现有文献缺乏从通信和计算的角度识别和讨论这些技术在支持 DT 的行业中的作用和要求。在本文中，我们首先介绍 DT 在智能工业中的功能方面、吸引力和创新用途。然后，我们通过系统地回顾和反思下一代 (NextG) 无线技术（例如 5G 及以上网络）和设计工具以及当前计算智能范式（例如边缘和云计算支持的数据分析、联邦学习）的最新研究趋势，详细阐述了这一观点。此外，我们讨论了不同通信层的 DT 部署策略，以满足工业应用的监控和控制要求。我们还
迈向 6G 及更高版本的双功能无线网络
摘要 — 随着 5G 标准化的巩固，研究人员正在猜测 6G 将会是什么样子。传感功能的集成正在成为 6G 无线接入网络 (RAN) 的一个关键特性，允许利用密集的蜂窝基础设施来构建感知网络。在这篇 IEEE 通信选定领域期刊 (JSAC) 特刊概述中，我们全面回顾了集成传感和通信 (ISAC) 的背景、主要应用范围和最新方法。我们首先从历史的角度讨论传感和通信 (S&C) 之间的相互作用，然后考虑 ISAC 的多个方面及其带来的性能提升。通过介绍正在进行和潜在的用例，我们阐明了与 ISAC 相关的行业进展和标准化活动。我们分析了 S&C 之间的许多性能权衡，包括信息
系列：7G 无线网络
前言：近年来，量子计算机的研究和实践成果给经典和广泛使用的加密方案（如 Rivest‐Shamir‐Adleman 算法和 ECC（椭圆曲线密码））带来了重大挫折。RSA 和 ECC 分别依赖于整数分解问题和离散对数问题，这些问题可以通过运行臭名昭著的 Shor 算法的足够大的量子计算机轻松解决。因此，需要评估在传统计算机和量子计算机中都难以解决的加密方案。本系列报告对后量子密码方案进行了详细的调查，并强调了它们在受限设备中提供安全性的适用性。全面介绍了可能取代 RSA 和 ECC 以在受限设备中提供安全性的方案。虽然后量子密码学是一种开发对因式分解和其他量子算法具有鲁棒性的新型经典密码系统的努力，这当然是一种选择，但这并不能完全解决问题。关键在于，可能存在未被发现的量子算法（或未被发现的经典算法），它们可能轻易破坏新密码系统的安全性。换句话说，后量子密码学很可能只能提供部分和暂时的解决方案。相比之下，本系列中讨论的量子密钥分发 (QKD) 提供了最终的解决方案：通过诉诸不可破解的自然原理（如不确定性原理或纠缠的一夫一妻制）来恢复安全性和保密性。尽管 QKD 为安全问题提供了最终的解决方案，但其理想的实现在实践中很难实现，并且有许多悬而未决的问题需要解决。一方面，完全独立于设备的 QKD 协议提供了最高级别的量子安全性，但它们的实现要求很高，并且密钥速率极低。另一方面，更实用的 QKD 协议假设对其设备有一定程度的信任，这一假设使它们能够实现合理的速率，但这也带来了危险的旁道攻击的可能性。除了安全性和速率之间的权衡之外，速率和距离之间也存在另一个重要权衡。如今，我们知道存在一个基本限制，限制了任何点对点 QKD 实现。给定一个传输率为 𝜂 的有损链路，双方分发的密钥容量不能超过信道的密钥容量，即 −𝑙𝑜𝑔 2 (1 −𝜂) ，即在长距离下每个信道使用 1.44𝜂 个秘密比特的 𝑎 缩放。基于连续变量系统和高斯状态的 QKD 协议的理想实现可能接近此容量，而基于离散变量的协议则因其他因素而低于此容量。为了克服这个限制并实现 QKD 的长距离高速率实现，我们需要开发量子中继器和量子网络。通过这种方式，我们可以实现更好的长距离扩展，并通过采用更复杂的路由策略进一步提高速率。量子中继器和安全 QKD 网络的研究是当今最热门的话题之一，本系列也对此进行了介绍。本系列旨在概述量子密码学领域最重要和最新的进展，包括理论和实验。在短期内，我们预计量子安全和 QKD 将与所谓的后量子安全解决方案竞争，因此，我们在本系列的单独报告中详细讨论了每种技术的优缺点。本报告涵盖了设计解决方案和量子物理。在将本书用于本科和研究生课程时，我们在每份报告中都加入了一些设计示例，以取代在章节/书末尾使用“问题和解决方案”附录的传统概念。这使得学生可以使用更复杂的作业进行团队合作。我们的学生对这种方法表现出了极大的热情。除大学之外，研究、工业和监管机构的专业人士也应该受益于该系列不同报告的全面报道。
基于进行高频电流的体积的校准，可注射的微电子刺激器的无线网络
目标。在体内开发和体内演示具有数字地址的螺纹式无线植入神经刺激器。方法。这些设备通过其两个电极执行，通过表皮纺织电极传导通过体积传导传递的无害高频电流爆发。通过避免需要大型组件获得电能，这种方法允许开发薄设备，这些设备可以通过最小的入侵程序（例如注射）肌肉内植入。为了符合电气安全标准，该方法需要在植入电极之间按毫米或几厘米的少量订单或几厘米的最小距离。此外，设备必须对组织造成最小的机械损害，避免脱位并足以长期植入。考虑到这些要求，植入物被视为管状和柔性设备，在相对末端有两个电极，在中间部分，是一个藏有电子设备的密封金属胶囊。主要结果。The developed implants have a submillimetric diameter (0.97 mm diameter, 35 mm length) and consist of a microcircuit, which contains a single custom-developed integrated circuit, housed within a titanium capsule (0.7 mm diameter, 6.5 mm length), and two platinum- iridium coils that form two electrodes (3 mm length) located at opposite ends of a silicone body.这些神经肌肉刺激器是可寻址的，可以建立一个可以独立控制的微刺激器网络。意义。通过在麻醉兔子的后肢中注入其中一些，并诱发受控和独立的收缩，证明了它们的操作。这些结果表明，通过使用适用于慢性电子植入物建立的制造技术和材料，制造类似螺纹的无线神经肌肉刺激器的可行性。这为通过此类无线设备的密集网络形成的高级运动神经预测的临床开发铺平了道路。
下一代无线网络中的 AI 驱动 UAV-NOMA-MEC
在下一代无线网络预期的前所未有的高吞吐量和低延迟要求的推动下，本文介绍了一种支持人工智能（AI）的框架，其中无人机使用非正交多址和移动边缘计算技术为地面移动用户（MU）提供服务。所提出的框架使地面MU能够同时、智能且灵活地卸载其计算任务，从而增强其连接性并降低其传输延迟和能耗。特别地，首先介绍了该框架的基本原理。然后提出了多种通信和人工智能技术来提高地面MU的体验质量。特别是，介绍了联邦学习和强化学习，用于智能任务卸载和计算资源分配。对于每种学习技术，介绍了动机、挑战和代表性结果。最后，总结了所提框架的几个关键技术挑战和未解决的研究问题。
人工智能赋能未来无线网络的资源管理
摘要 —资源管理在无线网络中起着至关重要的作用，但不幸的是，这会导致具有挑战性的 NP 难题。人工智能 (AI)，尤其是深度学习技术，最近已成为一种颠覆性技术，可以实时解决此类挑战性问题。然而，尽管已经报告了有希望的结果，但仍然缺乏基于 AI 的方法的实用设计指南和性能保证。在本文中，我们努力解决两个基本问题：1）与传统技术相比，基于 AI 的方法的主要优势是什么；2）对于给定的资源管理任务，我们应该选择哪种神经网络。对于第一个问题，我们确定并讨论了四个优势。对于第二个问题，提出了最优差距，即与最佳性能的差距，作为选择模型架构的一种衡量标准，同时也可以对不同的基于 AI 的方法进行理论比较。具体来说，对于 K 用户干扰管理问题，我们从理论上证明了图神经网络 (GNN) 优于多层感知器 (MLP)，并且这两种方法之间的性能差距随着√而扩大
人工智能赋能的未来无线网络：挑战、机遇和未决问题
摘要 — 大量苛刻的服务和用例要求未来无线网络资源管理发生革命性转变。事实上，当应用程序对服务质量的严格要求与网络复杂性的增加相结合时，传统的网络管理例程在 6G 中将变得不可行。人工智能 (AI) 正在成为从下到上协调网络资源的基本推动因素。支持 AI 的无线接入和支持 AI 的核心将为 6G 的自动配置开辟新的机遇。另一方面，支持 AI 的网络中存在许多挑战需要解决。较长的收敛时间、内存复杂性和不确定性下机器学习算法的复杂行为以及网络高度动态的信道、流量和移动性条件加剧了这些挑战。在本文中，我们调查了利用机器学习技术提高无线网络性能的最新研究。此外，我们确定了挑战和未解决的问题，为研究人员提供了路线图。